L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 372
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
http://sci.alnam.ru/book_dsp.php
ma non c'è un'immagine a pag. 126
non una foto...
Salva l'esempio come immagine e caricalo qui
non una foto...
E salvare l'esempio come immagine e metterlo qui
Lo è?
Lo è?
il libro è quello giusto.
p. 126
Esempio 5.4.
il libro è quello giusto.
p. 126
Esempio 5.4.
Sì, non l'ho capito subito..., ecco
Sì, non l'ho capito subito..., ecco qui
ora questo è buono ;)
Non ci può essere dipendenza dove non c'è correlazione. La correlazione può essere lineare o non lineare, ma lo sarà se c'è dipendenza.
Ci può essere una correlazione quando non c'è nessuna correlazione - una falsa correlazione.
Non ho cancellato un solo post in questo thread.
Bendat J., Pearsol A.
Analisi applicata dei dati casuali: Tradotto dall'inglese: World, 1989.
A p. 126
ESEMPIO 5.4. VARIABILI CASUALI DIPENDENTI NON CORRELATE.
"Questo articolo discute in dettaglio il problema dell'overtraining delle reti neurali, identifica le sue cause e propone un modo per risolvere il problema.
1. Perché una rete neurale viene riqualificata?
Qual è la ragione del retraining delle reti neurali? In realtà ci potrebbero essere diverse ragioni:- Il numero di esempi in un campione di allenamento non è sufficiente per risolvere i problemi fuori campione.
- I dati di input sono distribuiti in modo diseguale dal grado di correlazione con i dati di output in diversi campioni, che è molto spesso il caso quando si elaborano dati non stazionari. Per esempio, in un campione di allenamento, la correlazione di qualsiasi parametro di input o di diversi parametri di input rispetto ai valori di output è significativamente più alta che in un campione di test, o peggio, i coefficienti di correlazione in diversi campioni differiscono nel segno. Questo può essere facilmente controllato calcolando i coefficienti di correlazione per tutti i parametri in diversi campioni prima di addestrare la rete neurale. E per sbarazzarsi di questo inconveniente è anche abbastanza semplice - gli esempi di formazione sono distribuiti tra i campioni in modo casuale.
- I parametri di ingresso non sono correlati ai parametri di uscita, cioè non c'è una relazione di causa-effetto tra di loro - non sono rappresentativi e quindi non c'è nulla per addestrare la rete neurale. E il controllo delle correlazioni tra ingressi e uscite mostrerà una correlazione vicina allo zero. In questo caso dovreste cercare altri dati di input su cui addestrare la rete neurale.
- I dati di input sono altamente correlati tra loro. In questo caso dovreste lasciare i dati di input con la massima correlazione con i dati di output e cancellare gli altri dati che sono ben correlati con quelli rimanenti.
Tutte le ragioni di cui sopra per il sovrallenamento e i metodi per eliminarli sono di conoscenza comune, in quanto sono stati precedentemente descritti in varia letteratura o articoli sulla tecnologia delle reti neurali. "Dmitry, mi dispiace, ma ho il sospetto che tu stia cercando di trollarmi, o di prendermi in giro, o semplicemente stupido, con tutto il rispetto... Non riesci a vedere da un esempio banale che due attributi hanno entrambi una correlazione zero con l'obiettivo, MA entrambi sono significativi, nessuno dei due può essere abbandonato, la dipendenza lineare è zero, non lineare al 100%, cioè, la correlazione può essere zero e il dataset è completamente prevedibile, che la tua affermazione:
confuta completamente.
Certo che sono sciocco!
Ho scritto chiaramente in questo thread: "Sarò onesto e franco - mi sono diagnosticato NS un paio di anni fa e ho abbandonato questo metodo.Quindi come esattamente per NS - difficile per me dire. Forse c'è qualcosa nel NS che permette di stipare tutto a portata di mano senza preselezione.Per tutti i metodi di DM l'approccio che ho dichiarato". (с)
Se ho scritto più volte che non sono versato nel NS e non so come funzionano le cose lì, e appare qualcosa che inizia a gridare e urlare e a dare esempi del NS - che cosa si lamenta di me?
Ho scritto in modo chiaro e sincero:
1. la dimensionalità diminuirà.
2. sulla precisione del modello - NON LO SO!
Ma ci sarà comunque qualcuno che comincerà a fare il finto tonto....
La correlazione delle variabili non significa la possibilità di predizione. Le coppie possono essere correlate. Significa che sono correlati ma è impossibile prevedere uno di loro attraverso l'altro, perché cambiano simultaneamente e non anticipano. Questo per quanto riguarda la correlazione!!!!
Non essere stupido.
Se vuoi davvero scherzare, cerca su Google, per esempio, steam trading.
Mente di nuovo, non c'è correlazione non lineare la correlazione è una struttura matematica STRETTAMENTE definita come l'addizione o il coseno, almeno studiate wikipedia prima di dire sciocchezze.
Andiamo avanti come a scuola - dalle basi. Cos'è la "correlazione non lineare" e come si calcola:
http://metr-ekon.ru/index.php?request=full&id=412