L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 993
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
Lo è? A pensarci bene, leggere i tuoi post? Beh, solo le palle sono più fighe di Maxim).
Aaahhhhhh... È divertente, grazie! Sì, personaggio divertente, comico.
Yuri, ancora una volta - il principio è giusto.
Ma, vedete, il fatto è che anche le idee fighe non risuonano con la gente se non c'è un segnale (come un passaporto) o è negativo come il mio. Lo vedo sul mio esempio - beh, non c'è un bilancio positivo....
Ma, vedete, il fatto è che anche le grandi idee non risuonano con la gente se non c'è un segnale (come un passaporto) o è negativo come il mio. Lo vedo nel mio esempio - beh, non c'è un bilancio positivo, sembrerebbe - raccogliete la bandiera, portate a termine il lavoro, per favore gente. No - nessuno è interessato.
Lo stesso vale per questo tema.
Beh, nessuno ha "l'equità nel cielo" o qualsiasi altra equità, e questo è tutto - il tema diventa immediatamente passé e poco interessante.
La conclusione è che ogni soggetto deve avere un "uomo con un segnale". Un positivo! Poi inizia la vita.
Stiamo aspettando quest'uomo. Noi speriamo e crediamo.
Devo ammettere che non sono mai stato interessato ai segnali di qualcuno o anche ai rapporti in tempo reale. Non vedo il punto. Non capisco questa aspirazione universale.
No, sono come molte persone - interessato.
È una misura dell'intelligenza, non importa come la si guardi. Io, per esempio, ho come amico un uomo con segnali decenti. Mi ispira e mi fa lavorare ancora e ancora, perché posso davvero vedere che è possibile fare soldi sul Forex. Lo faccio da molto tempo, e sono sicuro che sarà ancora per molto tempo.
No, sono come molte persone - interessato.
È una misura dell'intelligenza, non importa come la si guardi. Io, per esempio, ho come amico un uomo con segnali decenti. Mi ispira e mi fa lavorare ancora e ancora, perché posso davvero vedere che è possibile fare soldi sul Forex. Il fatto che io personalmente non sia in grado di farlo - beh, non è ancora sera.
Capisco, hai bisogno di stimoli esterni. Non si può fare a meno di loro).
La cosa più importante che ho dimenticato di dire è che questa persona, beh, non usa reti neurali in alcun modo.
Sono assolutamente convinto che se qualcuno avesse dimostrato tali risultati in questo thread, l'intero forum sarebbe stato qui a riveted, perché NS è una cosa divertente. Ma ahimè - senza questo punto importante, non c'è niente da vedere o leggere qui. IMHO.
La cosa più importante che ho dimenticato di dire è che questa persona, beh, non usa reti neurali in alcun modo.
Sono assolutamente convinto che se qualcuno avesse dimostrato tali risultati in questo thread, l'intero forum sarebbe stato trascinato qui, perché NS è una cosa divertente. Ma, ahimè - senza questo punto importante, non c'è niente da vedere o leggere qui. IMHO.
perché non applicabile?
perché retorico?
La PCA è una trasformazione lineare + problemi di riproducibilità.
"Trasformata di Fourier, wavelets, singolare spettrale, ecc. - algoritmi di decomposizione
Tsne è un eccellente algoritmo di riduzione della dimensionalità per la visualizzazione. Ha bisogno dell'intero set di dati per funzionare. Non può funzionare con nuovi dati singoli. È possibile (alcune fonti dicono) adattarlo per l'uso non solo con insiemi di treno/test ma anche con nuovi dati singoli. Non ha funzionato per me e non ho trovato nessun articolo con un'implementazione di successo di Tsne per abbassare la dimensionalità dei predittori in MO.
Retorico perché apparentemente non hai provato questo algoritmo. Altrimenti non l'avresti suggerito per la riduzione della dimensionalità... Anche se se avete risultati su questo algoritmo, per favore condivideteli.
Buona fortuna
PCA - trasformazione lineare + problemi di riproducibilità.
"Trasformata di Fourier, wavelets, singolare spettrale, ecc. - algoritmi di decomposizione
Tsne è un eccellente algoritmo di riduzione della dimensionalità per la visualizzazione. Ha bisogno dell'intero set di dati per funzionare. Non può funzionare con nuovi dati singoli. È possibile (alcune fonti dicono) adattarlo per l'uso non solo con insiemi di treno/test ma anche con nuovi dati singoli. Non ha funzionato per me e non ho trovato nessun articolo con un'implementazione di successo di Tsne per abbassare la dimensionalità dei predittori in MO.
Retorico perché apparentemente non hai provato questo algoritmo. Altrimenti non l'avresti suggerito per la riduzione della dimensionalità... Anche se se avete risultati su questo algoritmo, per favore condivideteli.
Buona fortuna
Guarda, la persona ha raccontato un problema con troppi dati da classificare, ho suggerito una soluzione...
La PCA è anche un algoritmo di decomposizione, se non sbaglio, così come altri, si ottiene solo la decomposizione e la riduzione della dimensionalità (qualcosa viene buttato fuori, e qualcosa viene lasciato indietro)
Che tutti questi algoritmi non diano alcun beneficio (tranne che riducono la dimensionalità), è un altro discorso e non è una questione di algoritmi, ma dei dati stessi.
Non conosco i nuovi dati, ho visto esempi di tsne con train e test in Internet, ma immagino che anche tu l'abbia visto
Per quanto riguarda tsne, può essere un grande algoritmo, ma funziona allo stesso modo degli altri, così ho provato a dividerlo in classi, ma non ne è uscito niente di interessante, così ho rin unciato. Per quanto riguarda i nuovi dati non so, ho visto esempi di tsne che funzionano con un treno e un test su internet, ma probabilmente hai visto anche quello
"PCA, trasformata di Fourier, wavelets, ecc... della nuova t-sne. Con il loro aiuto è possibile fare 5x su 100 ns di ingressi e non avere quasi nessuna perdita di qualità.