Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 264

Nuevo comentario
 

Lo siento, me distraje...

Aquí están los datos https://drop.me/aGE2kB

No he hecho ninguna edición porque no he tenido tiempo, de momento el vaso es sólo delta, algunos días con saltos, pero como prueba servirá

 

No sé si estas conferencias serán útiles para alguien, pero probablemente sean buenas para el desarrollo general, y simplemente interesantes.

previsión de series temporales:

https://www.youtube.com/watch?v=u433nrxdf5k

transformaciones de características:

https://www.youtube.com/watch?v=U1QYrGj6Ztg

Лекция 10 Прогнозирование временных рядов
Лекция 10 Прогнозирование временных рядов
  • 2016.12.24
  • www.youtube.com
Группа ВК: https://vk.com/data_mining_in_action Репозиторий курса на гитхабе: https://github.com/vkantor/MIPT_Data_Mining_In_Action_2016
 

Al final del vídeo sobre la transformación de características, el profesor menciona un interesante método de reducción de la dimensionalidad que puede utilizarse, por ejemplo, para evaluar la separabilidad de las clases; este método(t-SNE) se considera más avanzado que el PCA y merece atención

Comparé cómo se dividen los métodos de muestreo descendente

я

Y, efectivamente, el método se compara favorablemente con otros.

Los datos y el código pueden extraerse de este artículohttp://biostat-r.blogspot.com/2016/05/pca-mds-t-sne.html

paquetes de métodos : tsne, Rtsne

el último es rápido y está escrito en C++

Todavía no lo he ejecutado con los datos del mercado...

Понижение размерности: PCA, MDS, t-SNE
  • 2016.05.28
  • Andrey Ogurtsov
  • biostat-r.blogspot.nl
Методы понижения размерности (обзор) играют важную роль в машинном обучении. Они позволяют строить модели в пространствах меньшей размерности, чем исходное признаковое пространство, с минимальными потерями информации. Особенно полезно понижать размерность до 2, то есть проецировать данные на плоскость. Таким образом можно изучить структуру...
 

Dr.Trader ¿recuerdas que dijiste que no sabías cómo funciona scale()? Lo he descubierto )))

scale(x,center = TRUE, scale = TRUE)
# аналог
(x - mean(x)) / sd(x)
 
mytarmailS:

No sé si estas conferencias serán útiles para alguien, pero probablemente sean buenas para el desarrollo general, y simplemente interesantes.

previsión de series temporales:

https://www.youtube.com/watch?v=u433nrxdf5k

transformaciones de características:

https://www.youtube.com/watch?v=U1QYrGj6Ztg

Gracias, buen curso, refresca bien los conocimientos, añade nuevos conocimientos.
Data Mining in Action
Data Mining in Action
  • www.youtube.com
Канал группы https://vk.com/data_mining_in_action Здесь выкладываются видеозаписи лекций курса Data Mining in Action в МФТИ и другие интересные материалы по ...
 
mytarmailS:
/ sd(x)

Ya veo, todo esto explica por qué quería el resultado en 0...1, pero lo obtuve en unos límites diferentes para cada columna.

 
Todavíano lo he hecho, pero servirá para hacer pruebas:

Lo siento, me distraje...

Aquí están los datos https://drop.me/aGE2kB

No hice ninguna edición porque no tenía tiempo, hasta ahora el vaso es sólo delta, algunos días con saltos, pero como prueba servirá

О!... (¡eso es otra cosa!)) Apesta estar sin la copa completa.
 
mytarmailS:

No sé si estas conferencias serán útiles para alguien, pero probablemente sean buenas para el desarrollo general, y simplemente interesantes.

previsión de series temporales:

https://www.youtube.com/watch?v=u433nrxdf5k


Sí, hay puntos interesantes, por ejemplo, la comprobación de los residuos y el ajuste programático.

Pero es extraño que la persona diga primero "la validación es indispensable" y luego "si una parte de la historia interfiere con el ajuste del modelo, simplemente córtala" .

 

Hola a todos.

1) Sobre t-SNE : no funcionó con los datos del mercado.

2) Encontré un paquete con patrones de velas ya implementados, puedes instalarlo así:

install.packages("candlesticks", repos="http://R-Forge.R-project.org")

Me gustaría jugar con ello pero resulta que no me he encontrado seriamente con datos xts, ¿cómo traduzco mis cotizaciones al formato correcto?

mis datos

head(MY_dat)
        X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117  204000  115420  115440 115400   115400    314
385328 20170117  204500  115400  115440 115370   115410    559
385329 20170117  205000  115410  115440 115380   115420    475
385330 20170117  205500  115410  115510 115360   115470   1745
385331 20170117  210000  115470  115490 115430   115440    607
385332 20170117  210500  115440  115490 115420   115470    453
class(MY_dat)
[1] "data.frame"


Necesito el formato xts

head(ri)
                    RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00    119060    119060   118480     118620       12191
2017-01-30 10:05:00    118610    118620   118260     118320       13219
2017-01-30 10:10:00    118320    118470   118230     118250        8519
2017-01-30 10:15:00    118240    118260   118080     118120       11010
2017-01-30 10:20:00    118110    118160   117930     117980        8108
2017-01-30 10:25:00    117980    118100   117910     118020        5544
class(ri)
[1] "xts" "zoo"
 
mytarmailS:

Hola a todos.

1) Sobre t-SNE : no funcionó con los datos del mercado.

2) Encontré un paquete con patrones de velas ya implementados, puedes instalarlo así:

install.packages("candlesticks", repos="http://R-Forge.R-project.org")

Me gustaría jugar con ello pero resulta que no me he encontrado seriamente con datos xts, ¿cómo traduzco mis cotizaciones al formato correcto?

mis datos

head(MY_dat)
        X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117  204000  115420  115440 115400   115400    314
385328 20170117  204500  115400  115440 115370   115410    559
385329 20170117  205000  115410  115440 115380   115420    475
385330 20170117  205500  115410  115510 115360   115470   1745
385331 20170117  210000  115470  115490 115430   115440    607
385332 20170117  210500  115440  115490 115420   115470    453
class(MY_dat)
[1] "data.frame"


Necesito el formato xts

head(ri)
                    RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00    119060    119060   118480     118620       12191
2017-01-30 10:05:00    118610    118620   118260     118320       13219
2017-01-30 10:10:00    118320    118470   118230     118250        8519
2017-01-30 10:15:00    118240    118260   118080     118120       11010
2017-01-30 10:20:00    118110    118160   117930     117980        8108
2017-01-30 10:25:00    117980    118100   117910     118020        5544
class(ri)
[1] "xts" "zoo"
Lo intenté, pero rápidamente se rompió: no está claro qué hacer con los agujeros del fin de semana.
1...257258259260261262263264265266267268269270271...3399
Nuevo comentario