L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1933

Nouveau commentaire
 
Aleksey Vyazmikin:

J'ai obtenu cette photo à partir des derniers résultats - 4 clusters clairs.

Vous parliez tout à l'heure de valeurs numériques pour évaluer les résultats - quels chiffres suggérez-vous de prendre en compte ?

Ouais)) et regardons maintenant les données de test

scatter3d(x = predict.test[,1], 
          y = predict.test[,2], 
          z = predict.test[,3],
          groups = Y[test.idx],
          grid = F, 
          surface = F,
          ellipsoid = F,
          bg.col = "black",surface.col = c(2,3))

J'ai dit que tout cela n'avait pas de sens, qu'il fallait regarder l'erreur du modèle sur les données de test et non sur les photos, l'erreur de tout modèle provenant de n'importe quel paquet.


A propos, changez les index parce que vous vous entraînez sur seulement 10k données.

train.idx <- 100:8000
test.idx <- 8001:10000

et vous avez plus de 500k de données

 
mytarmailS:

Qui s'y connaît en approximation polynomiale ou harmoniqueS'IL VOUS PLAÎT! !!

 
mytarmailS:

Ouais)) et regardons maintenant les données de test

Je vous ai dit que tout cela n'avait aucun sens, vous devriez regarder l'erreur du modèle sur les données de test et non les jolies images, l'erreur de n'importe quel modèle de n'importe quel paquet.


C'est de retour sur les données de test maintenant.

> library(car)

> scatter3d(x = predict.test[,1], 
+           y = predict.test[,2], 
+           z = predict.test[,3],
+           groups = Y[train.idx],
+           .... [TRUNCATED] 
Error in complete.cases(x, y, z, groups) : 
  не все аргументы имеют одинаковую длину
mytarmailS:

Tu ne t'entraînes que sur 10 000 données.

et vous avez plus de 500k données.

Je dois d'abord le régler sur de petites données, puis l'essayer sur de grandes données.

Au fait, j'ai remarqué que R est très irrationnel avec la mémoire - il mange beaucoup.

 
Aleksey Vyazmikin:

Encore des grondements sur les données de test maintenant

bien sûr que oui

library(car)

> scatter3d(x = predict.test[,1], 
+           y = predict.test[,2], 
+           z = predict.test[,3],
+           groups = Y[train.idx],
+           .... [TRUNCATED]
 
mytarmailS:

Bien sûr que oui.

Ah, oui, merci !

Voici la photo - un peu moins bonne, mais la tendance est là.

Je ne comprends pas ce qui se passe - d'où vient un autre groupe s'il n'y en avait pas avant ?

 
Aleksey Vyazmikin:

Ah, oui, merci !

Voici la photo - un peu moins bonne, mais la tendance est là.

Je ne comprends pas ce qui se passe - comment se fait-il qu'il y ait un autre groupe s'il n'y en avait pas avant ?

pas tant que ça))))

nouvelles données - nouveaux points

 
mytarmailS:

(un peu))

nouvelles données - nouveaux points

Je ne comprends pas ce qui se passe.

On a formé quelque chose et on l'a appliqué au test ou quoi ? :)

On dirait que tout cela n'a pas de sens.

 
Aleksey Vyazmikin:

Il semble que tout cela soit absurde.

Combien de fois je te l'ai dit ? 3 ? 5 ?

 
mytarmailS:

Qui s'y connaît en approximation polynomiale ou harmoniqueS'IL VOUS PLAÎT! !!

Et qu'est-ce que tu veux obtenir ? Des harmoniques jusqu'à Fourier. Ou aux polynômes orthogonaux, il y en a beaucoup. Tout peut être décomposé)

 
Lisez les réponses à ma question. Merci beaucoup à tous !
1...192619271928192919301931193219331934193519361937193819391940...3399
Nouveau commentaire