Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1928

Nuevo comentario
 
Aleksey Vyazmikin:

Así es como se generarán las características - tenemos que preparar un constructor en forma de reglas básicas.

Por ejemplo, describa una vez cómo se comporta un precio en un canal y luego sólo cambie de canal, y así sucesivamente.

Entiendo que esto forma parte de las normas, si es así, se puede aplicar.

 
Aleksey Vyazmikin:

Durante la agrupación, muchas filas se asignaron a diferentes áreas, y se generó un mapa, que supongo que se puede llamar a través de:

Y luego ponderar cada fila y asignarla a uno u otro centro de cluster. No entiendo cómo se pondera una sola fila...


Este mapa se denomina prototipos o centros de cluster, los nuevos datos se comparan con cada centro y se obtiene la etiqueta de centro más cercana

Para cada función, hay una ayuda incrustada, basta con escribir "?" en la consola y nombrar la función como "?Kmeans".

siempre hay ejemplos en la parte inferior.

cómo predecirhttps://stackoverflow.com/questions/53352409/creation-prediction-function-for-kmean-in-r


Decidido a mirar los retrocesos significativos del mercado. Giros significativos en U como objetivo. Pensé que sería un caos, pero no.

¿Cuál es la regla para clasificar una inversión como significativa?

Rodilla en zigzag.


Así que, muy interesante. Gracias por el consejo.

¿Puedes compartir el código para dummies?

Vladimir publicó el código. Es posible que tenga que aprender lo básico, de lo contrario puede tener demasiadas preguntas y añadir poca ayuda.


Gracias, he conseguido descargar la agrupación.

.

 
Aleksey Vyazmikin:

Entonces, ¿en qué es mejor tu método que el mío? Recoger hojas es esencialmente nuevos predictores derivados de datos existentes. Sólo hay que construir árboles no sólo utilizando la comparación, sino también la transformación y la combinación de los niveles del objetivo, en general, se puede implementar esto sobre la base de un árbol regular y arrastrar las hojas de allí.

Si su método puede generar reglas como las que le escribí a Maxim, nada de nada.

 
mytarmailS:

Si su método puede generar tales reglas como las que escribí a Maxim, entonces nada

Mi método permitirá generar no al azar, sino con sentido - más rendimiento, por así decirlo, pero basado en un árbol regular.

En general, me refiero a que podemos añadir una serie de procedimientos de transformación al algoritmo del árbol para el entrenamiento, como la comparación de un predictor con otro, la multiplicación, la división, la suma, la resta y otras operaciones. La cuestión es que durante la construcción genética del árbol la variante se seleccionará no al azar, sino dando alguna descripción de la muestra, lo que reducirá el período de búsqueda de la solución. Al descartar los predictores aleatorios de la muestra, podremos construir diferentes árboles teniendo en cuenta estas transformaciones.

 
Rorschach:
En ningún sitio has encontrado estudios sobre la mejor manera de normalizar las entradas: ¿incremento, sustracción ma, ventana deslizante?

¿Qué quiere decir con "normalizar"? ¿Acercar la distribución de la variable lo más posible a la normalidad?

 
Aleksey Vyazmikin:

Mi método permitirá generar no al azar, sino con sentido - más rendimiento, por así decirlo, pero basado en un árbol regular.

En general, me refiero a que podemos añadir una serie de procedimientos de transformación al algoritmo del árbol durante el entrenamiento, como la comparación de un predictor con otro, la multiplicación, la división, la suma, la resta, otras acciones. La cuestión es que durante la construcción genética del árbol la variante se seleccionará no al azar, sino dando alguna descripción de la muestra, lo que reducirá el período de búsqueda de la solución. Al tirar los predictores de la muestra al azar, podremos construir diferentes árboles teniendo en cuenta estas transformaciones.

lee la regla que he puesto como ejemplo e intenta construir un generador de reglas de este tipo en el árbol

 
Vladimir Perervenko:

¿Qué quiere decir con "normalizar"? ¿Acercar la distribución de una variable a la normalidad?

Llevar el rango de la variable a +-1

 
Vladimir Perervenko:

Como continuación de una conversación personal

su versión

umap_transform(X = X[tr,], model = origin.sumap, n_threads = 4 L, 
               verbose = TRUE) -> train.sumap
head(train.sumap)
[1,] 22.196741
[2,] 14.934501
[3,] 17.350166
[4,]  1.620347
[5,] 17.603270
[6,] 16.646723

variante lisa

train.sumap <- umap_transform(X = X[tr,], model = origin.sumap, n_threads = 4 L, 
               verbose = TRUE)
head(train.sumap)
[1,] 22.742882
[2,]  7.147971
[3,]  6.992639
[4,]  1.598861
[5,]  7.197366
[6,] 17.863510

Como puedes ver los valores son bastante diferentes, puedes comprobarlos tú mismo


En mi modelo

n_components = 1

por lo tanto, sólo una columna, pero no importa realmente.

===================UPD

Hombre, son diferentes cada vez que se ejecuta umap_tranform, no debería ser así

 
mytarmailS:

Lee la regla que puse como ejemplo e intenta construir este tipo de generador de reglas en el árbol.

Cuál es el problema: crear componentes al principio de los cuales se apilarán las reglas.

 
Aleksey Vyazmikin:

Cuál es el problema: crear componentes al principio para hacer las reglas.

No lo sé, no puedo poner el dedo en la llaga.

1...192119221923192419251926192719281929193019311932193319341935...3399
Nuevo comentario