Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1733
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Todo funciona. Tenemos que idear ventanas de tiempo flotantes. Los números fijos se consideran limitados.
Bueno, si el patrón de minutos está "salpicado" de forma discontinua/uniforme, entonces no creo que merezca la pena agruparlo, déjalo como está y pruébalo
Bueno, si el patrón está "salpicado" de forma desigual/uniforme en los minutos, no creo que merezca la pena agruparlo, déjalo como está por ahora y prueba
normalmente agrupados por varios minutos seguidos.
suelen agruparse durante varios minutos seguidos
hazlo a tu manera pero haz OOS
quieren ver
Esta es una pregunta para los conocedores de la MdD: se sabe que se puede enseñar a la NS a reconocer un elemento a partir de una imagen, pero el elemento debe estar en condiciones normales, ensamblado, pero ¿se puede enseñar a la NS a reconocer elementos rotos, como un coche después de un accidente, una casa en proceso de demolición o muebles después de un tornado? Un ser humano puede hacerlo de una sola vez.
A quién le importa si la casa está rota o no, la red aprende lo que se le enseña
Qué más da que la casa esté rota o no, la red aprende lo que se le enseña
Exhaustivo))
Una casa siempre se rompe de diferentes maneras. Hay una gran diferencia entre una casa entera y una casa rota. Si una casa entera tiene unas cuantas imágenes crismáticas, una casa rota puede parecer cualquier cosa. Y sin embargo, una persona lo reconoce fácilmente.
El hombre puede lidiar fácilmente con la entropía en una imagen, pero ¿la NS?
En algún lugar mostré (pues olvido dónde, porque hace más de un mes que no hago trading) que la distribución de probabilidad de los incrementos del mercado es el producto de las distribuciones gaussiana y exponencial (o en general - erlangiana) del CB.
La distribución Erlang es responsable de los intervalos de tiempo entre las cotizaciones de los ticks y el generador de dichos números tiene el siguiente aspecto
Aquí Lambda es la intensidad del flujo de eventos (comillas).
Si Lambda=const, el proceso es estacionario, pero la intensidad del flujo de mercado es diferente en diferentes puntos del tiempo, es decir, Lambda=f(t) que determina el proceso no estacionario en general.
Por lo tanto, para distinguir un proceso estacionario, es necesario considerar secciones separadas de BP con la misma densidad de flujo como un todo.
Por lo tanto, los intentos de dividir la PA en horas dentro de un día, y luego "pegar" estas horas, tienen claramente derecho a la vida.
Exhaustivo))
Una casa siempre se rompe de diferentes maneras. Entre toda la casa...
Bueno, sí, los gatos de la foto son diferentes, pero la red los reconoce y de alguna manera los distingue de los perros...
Lee algo sobre los principios del reconocimiento de patrones, las redes convolucionales, cómo funcionan, etc. Tus preguntas son muy inmaduras, y cuando las leas comprenderás su estupidez.