L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 264

 

Scusa, mi sono distratto...

Ecco i dati https://drop.me/aGE2kB

Non ho fatto nessuna modifica perché non ho avuto tempo, finora il vetro è solo delta, alcuni giorni con salti, ma come test va bene

 

Non so se queste lezioni saranno utili a qualcuno, ma probabilmente sono buone per lo sviluppo generale, e semplicemente interessanti.

previsione delle serie temporali:

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

trasformazioni di caratteristiche:

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
 

Alla fine del video sulla trasformazione delle caratteristiche il docente menziona un interessante metodo di riduzione della dimensionalità che può essere usato ad esempio per valutare la separabilità delle classi, questo metodo(t-SNE) è considerato più avanzato della PCA e merita attenzione

Ho confrontato come i metodi di downsampling sono divisi

я

E infatti il metodo si confronta favorevolmente con altri.

I dati e il codice possono essere presi da questo articolohttp://biostat-r.blogspot.com/2016/05/pca-mds-t-sne.html

pacchetti di metodi: tsne, Rtsne

l'ultimo è veloce e scritto in C++

Non l'ho ancora eseguito su dati di mercato...

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 ricorda che ha detto di non sapere come funziona scale()? Ho scoperto )))

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

Non so se queste lezioni saranno utili a qualcuno, ma probabilmente sono buone per lo sviluppo generale, e semplicemente interessanti.

previsione delle serie temporali:

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

trasformazioni di caratteristiche:

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

Grazie, buon corso, rinfresca bene le conoscenze, aggiunge nuove conoscenze.
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)

Capisco, tutto questo spiega perché volevo il risultato in 0...1, ma l'ho ottenuto in alcuni limiti diversi per ogni colonna.

 
Non l'ho ancora fatto, ma andrà bene per i test:

Scusa, mi sono distratto...

Ecco i dati https://drop.me/aGE2kB

Non ho fatto alcuna modifica perché non ho avuto tempo, finora il vetro è solo delta, alcuni giorni con salti, ma come test andrà bene

О!... questa è un'altra cosa!)) Fa schifo essere senza tutta la tazza.
 
mytarmailS:

Non so se queste lezioni saranno utili a qualcuno, ma probabilmente sono buone per lo sviluppo generale, e semplicemente interessanti.

previsione delle serie temporali:

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


Sì, ci sono punti interessanti, per esempio il controllo dei residui e il fitting programmatico.

Ma è strano che la persona prima dica "la validazione è indispensabile" e poi "se una parte della storia interferisce con l'adattamento del modello - basta tagliarla" .

 

Ciao a tutti!

1) A proposito di t-SNE: non ha funzionato con i dati di mercato.

2) Ho trovato un pacchetto con modelli di candele già implementati, potete installarlo così:

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

Mi piacerebbe giocarci ma si dà il caso che non ho incontrato seriamente i dati xts, come faccio a tradurre le mie citazioni nel formato giusto?

i miei dati

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"


Ho bisogno del 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:

Ciao a tutti!

1) A proposito di t-SNE: non ha funzionato con i dati di mercato.

2) Ho trovato un pacchetto con modelli di candele già implementati, potete installarlo così:

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

Mi piacerebbe giocarci ma si dà il caso che non ho incontrato seriamente i dati xts, come faccio a tradurre le mie citazioni nel formato giusto?

i miei dati

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"


Ho bisogno del 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"
L'ho provato, ma si è rapidamente rotto: non è chiaro cosa fare con i fori del fine settimana.