Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2814

 
Maxim Dmitrievsky #:
¿Crees que la agrupación no funciona con datos nuevos? Eso es una tontería )

no lo entiendes...

Hay un cluster/estado.

Tiene un principio, tiene un final, digamos 5 velas.


a través de klsterisation usted sabrá el número de este cluster en la 5 ª vela (cuando el prototipo de cluster se compara con el estado actual).

a través de hmm sabrás el número del cluster/estado en la 1ª vela (o más bien probabilidad)

 
mytarmailS #:

no lo entiendes.

hay un grupo/estado

Tiene un principio, tiene un final, digamos 5 velas.


a través de la klsterización sabrás el número de este cluster en la 5ª vela (cuando se compara el prototipo de cluster con el estado actual).

a través de hmm sabrás el número del cluster/estado en la 1ª vela (o más bien la probabilidad).

Sabrá el número de cluster en los datos actuales en ambos casos, sin desfase.

Hmm es el mismo algoritmo de clustering para secuencias. Nada excepcional.
 
Maxim Dmitrievsky #:
Conocerá el número de clúster en los datos actuales en ambos casos, sin ningún desfase

No.

La agrupación es reconocimiento.

Es predecir en qué estado estás ahora mismo.


Digamos que tenemos dos estados, con cabeza y sin cabeza.


Así es como funciona el clustering - comparándolo con un cluster prototipo.


Es decir, nos enteramos del estado del conglomerado a posteriori, cuando se ha realizado la comparación con el prototipo.

=================

Y el HMM nos dará la probabilidad de que estemos en el estado del GP.


 
mytarmailS #:

No.

La agrupación es reconocimiento.

Hmm, es predecir en qué estado estás ahora mismo.

Ya basta).
 
Maxim Dmitrievsky #:
Ya basta.)

Tú también...

Si el algoritmo de Viterbi de HMM puede producir algo como la agrupación 111222444111111.....

no significa que sea clustering.

 
mytarmailS #:

Tú también.

si el algoritmo de Viterbi de HMM puede producir algo como cluster 111222444111111....

y alguien escribió que puede ser usado como cluster, eso no significa que sea cluster.

Cuantos estados ocultos pongas, obtendrás tantos clusters. Es lo mismo. Vale, vale, no me gusta darle vueltas a esto.

Lo que te importa es la separación para entrenar diferentes modelos, no importa el principio. En cualquier caso, la media de incrementos afectará al número de clusters, eso es lo que necesitas.
 
Maxim Dmitrievsky #:
Tantos estados ocultos como establezcas, obtendrás tantos conglomerados. Es lo mismo.

¿Qué tiene eso que ver?

Por última vez.

con clustering, obtienes el número de cluster cuando el cluster termina.

con SMM, obtienes el número de cluster al principio del cluster.

 
mytarmailS #:

¿Qué tiene eso que ver?

Por última vez.

Al agrupar, obtienes el número de grupo cuando el grupo termina.

con SMM, obtienes el número de cluster al principio del cluster.

No, estás delirando.
 
Maxim Dmitrievsky #:
No, estás delirando.

No, estás delirando.

 
Maxim Dmitrievsky #:
No, estás delirando.

Elazul es agrupación, dos agrupaciones, dos prototipos, cabeza hombros/NO cabeza hombros.

El rojo es SMM, la probabilidad es NO hombros cabeza.




Ya en este punto, está claro que el estado ha cambiado, y el estado del GP puede ser identificado mucho antes con SMM que con clustering.


Clustering identificó el GP en el hombro derecho del GP, y SMM en el izquierdo...

¡Gracias a todos paka!