Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2761
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
Bueno, si lo hacen de inmediato, está bien. No lo recuerdo. ¿Cómo se llama el artículo? Lo leeré más tarde.
Aquí, por VLADIMIR PERERVENKO. Él tiene un ciclo completo de artículos a partir de la minería de datos. Mi punto de vista coincide con él en muchos aspectos, excepto en el modelo en sí. Lo considero excesivamente complejo para nuestras necesidades.
"Significativo" es por las imágenes que he dado, que hacen "marcado informativo fiche-targeted a la vez
La imagen de aquí https://www.mql5.com/ru/articles/3507 se llama así - Fig.12. Variación y covarianza de un conjunto de 2 trenes
de la covarianza a la correlación es 1 paso.... (pero usted es un genio y todo el mundo se ofende - así que google usted mismo).... éxito a usted en el pulido de su aparato conceptual ... una vez que entiendas el significado de las palabras - el pseudo-genio de tu jerga y la falsedad de tus supuestos argumentos se disiparán en un instante ... no puedes cambiar la logica con tus gritos.
-- en general, el hilo no ha cambiado, todavía gargantas desgarradas tratando de proclamar su genio, la invención de una bicicleta, - "pioneros" por así decirlo ...
Aquí, de VLADIMIR PERERVENKO. Él tiene un ciclo sistemáticamente completo de artículos, a partir de la minería de datos. Mi punto de vista coincide con él en muchos aspectos, excepto en el modelo en sí. Lo considero excesivamente complicado para nuestras necesidades.
No he visto ninguna marca del objetivo para características específicas. Tomamos un incremento con un desfase arbitrario. Sólo será informativo para determinados objetivos y poco informativo para otros.
No lo entiendo. ¿Qué significa marcado?
Los pares objetivo-predictor están relacionados y el par existe precisamente porque están relacionados. Y es bastante difícil encontrar tales pares. Cuanto más fuerte sea el vínculo, menor será el error de ajuste. Para otro objetivo, el problema del predictor es diferente.
No lo entiendo. ¿Qué significa marcas?
El par objetivo-predictor está relacionado y el par existe precisamente porque está relacionado. Y es bastante difícil encontrar tales pares. Cuanto más fuerte sea el vínculo, menor será el error de ajuste. Para el otro objetivo, el problema del predictor es diferente.
Espero equivocarme, pero tengo la impresión de que los atributos no se entienden de la misma manera.
Los rasgos son lo que se introduce en la entrada NS, y las etiquetas de clase se introducen en la salida.
¿Son posibles los signos indirectos? Por ejemplo, los gatos y los perros se pelean a menudo, pero es más probable que los perros persigan a los gatos. Se nos dan: dos objetos y sus movimientos. La tarea: determinar cuál de ellos es un gato y cuál un perro, habiéndolo comprobado una vez mediante datos objetivos y en veces posteriores determinar independientemente quién es quién. Sabemos con seguridad que uno de ellos es un gato y el otro un perro, pero no podemos ver su silueta ni oírlos, ni siquiera podemos ver sus huellas, sólo la coordenada de movimiento. Alimentamos la red neuronal con el movimiento de ida y vuelta de los objetos (COMPRA-VENTA). En el proceso de "pensamiento" y multiplicación de pesos, la red neuronal nos clasificó que un objeto siempre va por delante y el otro por detrás (MA_5[0] > MA_10[0]), e hizo una suposición: ¿el perro va por delante ahora? Lo comprobó con los datos reales, obtuvo la respuesta (NO), corrigió los datos, supuso que era un gato, lo comprobó - (SÍ). Ahora la red neuronal sabe determinar quién es un gato y quién un perro por la lucha y el movimiento de los objetos. Al mismo tiempo, no se le dieron patas, trozos de pelo, dientes, ladridos o maullidos.
Es decir, parece que a la red neuronal se le pueden dar muchas cosas y encontrará algo y lo encontrará de tal manera(Hércules Poirot) que dará la respuesta necesaria. Es decir, la característica en este caso no representa información parcial sobre el objeto que se está clasificando, sino que es posible una solución.
¿Son posibles las señales indirectas? Por ejemplo, los gatos y los perros se pelean a menudo, pero es más probable que los perros persigan a los gatos. Tenemos dos objetos y sus movimientos.
En el proceso de "pensamiento" y multiplicación de pesos, la red neuronal nos ha clasificado que un objeto siempre va por delante y el otro por detrás (MA_5[0] > MA_10[0]), y ha hecho una suposición: ¿el perro va por delante ahora?
Ahora la red neuronal sabe determinar quién es un gato y quién un perro por la lucha y el movimiento de los objetos. Al mismo tiempo, no se le dieron patas, trozos de pelo, dientes, ladridos o maullidos como entrada.
Es decir, la característica en este caso no representa información parcial sobre el objeto que se está clasificando, pero es posible encontrar una solución.
no son señales - son dinámicas de desarrollo de procesos en el tiempo - series dinámicas ...
y las dependencias se estudian como series estacionarias ...
(pero el tiempo también se puede llamar signo - exógeno, el factor tiempo añade dinámica).
no conseguiste ni miau ni pelo en la entrada, pero conseguiste suavizar la trayectoria - a las redes neuronales les da igual lo que aproximes - es que la dinámica siempre muestra el resultado con un desfase - precisamente porque necesita el factor tiempo como ventana para recoger una muestra y estimar la tasa de cambio de la variable dependiente del tiempo ... PERO la dependencia (del tiempo) debe estar ahí para analizar la dinámica (es lo que pones en el modelo que describes - si llamas a las cosas por su nombre "cuál es el factor y qué quieres saber/evaluar" en el modelo - entonces habrá menos garabatos en (des)entenderse en el foro)...
ecuación lineal - muestra la velocidad (tangente en un punto a la curva de la trayectoria), cuadrática (parábola) también mostrará la aceleración... y la convergencia de (f-a)^2 se evaluará en el tiempo y mostrará el resultado en un segmento finito de esta ventana de tiempo - MLE (estimación de máxima verosimilitud) siempre funciona de la misma manera, al menos cuando se aproxima la estática, al menos cuando se iguala la dinámica.
a menos que pienses en lo que estás mirando - un factor (cualitativo/cuantitativo) o su dinámica (+ factor tiempo) - no puedes distinguir dependencias y patrones de desarrollo - y por lo tanto no entiendes lo que estás analizando y si es lo que realmente necesitas y qué depende de qué... y limitaciones del tipo de análisis - los análisis de dinámica SIEMPRE muestran resultados con desfase.
de verdad, cansinas discusiones sobre quién mira torcido qué y ve torcido qué y lo interpreta torcido, y lo torcido que él mismo entiende de sus interpretaciones y trata de convencer a los demás, y algunos en los posts de arriba hasta con espuma en la boca.... ¿de qué tipo de disputa científica podemos hablar? si abstraes todo y a todos hasta tal punto que tergiversas significados con tu libertad de expresión... ¡no hay libertad de expresión en ciencias naturales! hay formulaciones exactas y sus significados exactos... no conocimiento pseudocientífico... no conocimientos pseudocientíficos, que usted promueve aquí debido a su ignorancia de los fundamentos básicos (e intenta presentarlos como argumentos)_
creas tales modelos (curvas) - sin saber qué poner en la salida (lo que quieres saber) como resultado de la modelización ... ¿De qué factores te interesa esta dependencia?
todo es demasiado subjetivo a menudo en este hilo, por lo que es imposible llegar a la objetividad (que es el verdadero y principal objetivo de la modelización).
no son signos, sino la dinámica del desarrollo de un proceso a lo largo del tiempo, una serie dinámica ...
y las dependencias se estudian como series estacionarias....
(pero el tiempo también puede llamarse signo - exógeno, el factor tiempo añade dinámica).
no conseguiste ni miau ni pelo en la entrada, pero conseguiste suavizar la trayectoria - a la red neuronal le da igual lo que aproximes - solo la dinámica siempre muestra el resultado con un desfase - exactamente porque necesita el factor tiempo como ventana para recoger una muestra y estimar la tasa de cambio de la variable dependiente del tiempo ... PERO la dependencia (del tiempo) debe estar ahí para analizar la dinámica (es lo que pones en el modelo que describes - si llamas a las cosas por su nombre "cuál es el factor y qué quieres saber/evaluar" en el modelo - habrá menos garabatos en (no)entenderse en el foro)...
ecuación lineal - muestra la velocidad (tangente en un punto a la curva de la trayectoria), cuadrática (parábola) también mostrará la aceleración... y la convergencia de (f-a)^2 se evaluará en el tiempo y mostrará el resultado en un segmento finito de esta ventana de tiempo - MLE (estimación de máxima verosimilitud) siempre funciona de la misma manera, al menos cuando se aproxima la estática, al menos cuando se iguala la dinámica
a menos que pienses en lo que estás mirando - un factor (cualitativo/cuantitativo) o su dinámica (+ factor tiempo) - no puedes distinguir dependencias y patrones de desarrollo - y por lo tanto no entiendes lo que estás analizando y si es lo que realmente necesitas y qué depende de qué... y limitaciones del tipo de análisis - los análisis de dinámica SIEMPRE muestran resultados con desfase
realmente, discusiones cansinas sobre quién mira torcidamente qué y ve torcidamente qué y lo interpreta torcidamente, y cómo torcidamente él mismo entiende de sus interpretaciones e intenta convencer a los demás, y algunos en los posts de arriba incluso con espuma en la boca.... ¿de qué tipo de disputa científica podemos hablar? si abstraes todo y a todos hasta tal punto que tergiversas significados con tu libertad de expresión... ¡no hay libertad de expresión en ciencias naturales! hay formulaciones exactas y sus significados exactos... no conocimiento pseudocientífico... no conocimiento pseudocientífico, que usted está promoviendo aquí debido a su ignorancia de los fundamentos básicos (y tratando de presentarlo como un argumento)_
creas tales modelos (curvas) - sin saber qué poner en la salida (lo que quieres saber) como resultado de la modelización ... y en qué factores usted está interesado en esta dependencia
todo es demasiado subjetivo a menudo en este hilo, por lo que es imposible llegar a la objetividad (que es el verdadero y principal objetivo de la modelización).
Gracias por la respuesta detallada.