Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2125

 
Igor Makanu:

? lectura de actualidad ))))

allí, el comienzo de la obra:

http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm#Ref


¿realmente estás leyendo esto?

el punto es que fue escrito sin ningún poder de computación y lógica en primer lugar, y, como se señaló, funciona) mucha agua, por supuesto, pero usted puede tamizar a través de él. Y el principio, bueno, ese es el momento, sin el principio del libro no habría sido. También puedes tenerlo en cuenta)

 
Maxim Dmitrievsky:

http://gmdh.net/articles/theory/bookInductModel.pdf

una gran ventaja es que los modelos lineales siempre convergen a un mínimo local. Por eso el método sigue siendo relevante

vio este libro hace un par de años.

Parece... Sí, es fascinante, pero ¿cuál es el objetivo real? si el objetivo es escribir un diploma o un doctorado - sí, es un libro de cartón

si el objetivo son las series temporales - este libro trata de otra cosa, de la invención del bosque aleatorio en los albores del desarrollo informático

imho, incluso conjuntos de NS mal acostumbrados a la aplicación en la práctica, cómo trabajar con BP? bueno, como una opción para estropear un montón de un montón de NS, y al final se obtiene autoecoder? - Dudo que incluso una red convolucional se pueda obtener con este libro


Vorontsov es más relevante el conocimiento antiguo, y el procesamiento de datos - estoy masticando algunos cursos en línea sobre BP - hay algo en él ;)

 
elibrarius:

Si todos los puntos de la prueba y del tren están clasificados en una lista común (reordenados según algún patrón), significa que están mezclados. Lo que yo entiendo es lo siguiente. La prueba no debe mezclarse con la bandeja de ninguna manera.

Si los puntos son independientes (sin autocorrelación), puedes y debes mezclarlos

de hecho, así es como funciona el bosque aleatorio.

 
Igor Makanu:

vio este libro hace un par de años.

en apariencia... bueno, sí, es fascinante, pero realmente - ¿por qué? si el objetivo es escribir un diploma o un doctorado - sí, es un libro de escritorio

si el objetivo son las series temporales - este libro trata de otra cosa, de la invención del bosque aleatorio en los albores del desarrollo informático

imho, incluso conjuntos de NS mal acostumbrados a la aplicación en la práctica, cómo trabajar con BP? bueno, como una opción un montón de un montón de NS, y al final se obtiene autoecoder? - Dudo que incluso una red convolucional se pueda obtener con este libro


conocimientos antiguos, Vorontsov es más relevante, y el procesamiento de datos - he terminado de estudiar los cursos en línea sobre BP - hay algo en él ;)

¿De qué estás hablando? ¿Estás borracho o qué?

Pregúntale a Vorontsov quién es Ivakhnenko para él...

 
Maxim Dmitrievsky:

si los puntos son independientes (sin autocorrelación), la mezcla es posible y necesaria

de hecho, así es como funciona un bosque aleatorio

Hay 2-3 puntos muy correlacionados en cada lado de la serie temporal con cada punto. Es decir, no se cumple la condición de independencia
 
elibrarius:
La serie temporal tiene 2-3 puntos muy correlacionados en cada lado. Es decir, no se cumple la condición de independencia

Existen métodos especiales de empalme para las series temporales, que tienen en cuenta todo esto

 
elibrarius:
La serie temporal tiene 2-3 puntos muy correlacionados en cada lado. Es decir, no se cumple la condición de independencia

es posible eliminar estos duplicados, empezará a funcionar bruscamente con los nuevos datos, pero no se cubrirá la dispersión

 
Maxim Dmitrievsky:

Si los puntos son independientes (sin autocorrelación), la mezcla es posible y necesaria

no

este no es el propósito de ACF en la estimación de BP

la autocorrelación puede no estar presente para el lag = 1, pero sí para otros lags

y la estimación del ACF no es una evaluación de las dependencias de los rezagos, sino sólo una forma de identificar el modelo del proceso - después de decidir con qué proceso se relacionará el BP, comenzamos el preprocesamiento de los datos - ya sea usando el propio BP o usando su muestra de rezagos

 
Igor Makanu:

no

antes de

después de la descorrelación a la que va el sobreentrenamiento. También hay que tener en cuenta la serialidad de las marcas.


 
Maxim Dmitrievsky:

es posible eliminar estos duplicados, funcionará inmediatamente en los nuevos datos, pero no se cubrirá la dispersión

¿Y de qué sirve si no se cubre el diferencial?