L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1919
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Une image comme celle-ci
donne ce graphique du bénéfice
comment faire une capture d'écran, c'est comme ça qu'on peut l'enregistrer et ensuite juste la charger à partir d'une feuille blanche et le modèle apparaît ?
Oui
Comment interpréter ce genre d'empilement ?
Il s'agit d'un amas, comme si les objets de l'espace multidimensionnel étaient combinés en trois dimensions, de sorte que vous puissiez examiner vos données de 100 à 500 dimensions en trois dimensions et estimer en quelque sorte leur structure.
Au fait, comment définir les couleurs des classes de manière forcée - je ne comprends pas ce qui est quoi ?
Là, les couleurs sont déjà définies par la variable cible, vous voyez qu'il y a trois couleurs, c'est votre cible en trois classes.
A propos, l'image ci-dessus avec les îles est après ma méthode de conversion des prédicteurs, et voici à quoi ressemble l'échantillon original, avant la conversion
Deux nébuleuses...
Les données sont essentiellement les mêmes, mais le résultat, même visuellement, est différent. Je ne sais donc pas comment utiliser cet outil, si ce n'est comme une estimation de l'état de préparation de l'échantillon à l'apprentissage.....
Par exemple, un modèle 3D qui s'ouvre dans une fenêtre séparée et dont vous ne pouvez même pas faire une capture d'écran, pouvez-vous l'enregistrer comme ça, puis le charger à partir d'une feuille blanche et le modèle apparaît ?
vous pouvez même reconnaître de nouvelles données avec elle
Il s'agit de grappes, qui ressemblent à des objets dans un espace multidimensionnel qui se sont regroupés en trois dimensions, de sorte que vous pouvez examiner vos données de 100 à 500 dimensions en trois dimensions et estimer leur structure.
Peut-être que l'objectif devrait être fixé en fonction du nombre de ces îles ? Je ne comprends pas l'évaluation qualitative de cette visualisation.
Je vois que le dos est noir et que les autres sont 1,2,3 - comment puis-je traduire cela en couleur ?
vous pouvez même reconnaître de nouvelles données avec elle
Que voulez-vous dire, quelles données ? D'où ?
Peut-être que l'objectif devrait être fixé en fonction du nombre de ces îles ? Je ne comprends pas l'évaluation qualitative de cette visualisation.
Vous devez comprendre que ces clusters sont une réalité objective, la structure réelle de vos données...
votre cible est une réalité subjective, c'est pourquoi vos étiquettes de classe n'ont rien à voir avec la structure du cluster
Regardez l'exemple et vous comprendrez tout.
vous devez spécifier la couleur - le verso est noir, tandis que les autres sont 1,2,3 - comment traduire cela en couleur ?
Regardez dans le manuel dans les commentaires il y a tout
Que voulez-vous dire, quel genre de données ? D'où ?
)))
Comme avec les filets de Forrest habituels, de nouvelles données sont apparues, elles peuvent être reconnues par le modèle sauvegardé
Vous devez comprendre que ces clusters sont une réalité objective, la structure réelle de vos données...
votre cible est une réalité subjective (auto-réalité), donc vos étiquettes de classe n'ont rien à voir avec la structure des clusters.
Je me demandais donc ce qu'il adviendrait si l'on divisait cet échantillon en îlots et si l'on procédait à l'entraînement du modèle dans ces îlots.
Les différents groupes indiquent des facteurs différents affectant les résultats, ou plutôt leur poids différent.
Seulement comment cette division devrait être faite...
Ici, sous un autre angle, les mêmes données complètes - 4 groupes sont visibles.
Je ne sais donc pas comment utiliser cet outil, si ce n'est pour évaluer l'état de préparation de l'échantillon à la formation.....
Utilisation conforme à l'usage prévu - visualisation d'un espace multidimensionnel pour évaluer la structure des données, savoir s'il y a des grappes ou si c'est un nuage de points, etc.