L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2219
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
Avete provato qualche clustering diverso da GMM?
Avete provato qualche clustering diverso da GMM?
Non hai bisogno di clustering, ma di una stima della densità. Encoder e GAN andranno bene.
Ci sono tecniche speciali per lavorare con le distribuzioni a coda in MO, ma non le ho ancora padroneggiate.
Per esempio, c'è un trucco del genere. Per una distribuzione a coda (mentre gli incrementi formano esattamente tali distribuzioni), la dimensione del campione per la formazione deve essere quasi infinita perché qualcosa funzioni sui nuovi dati. E questo è stato dimostrato. Cosa ne pensate?
Non è il clustering che è necessario, ma la stima della densità. Encoder e GAN andranno bene.
Ci sono tecniche speciali per lavorare con le distribuzioni con la coda in MO, ma non ci sono ancora arrivato. Questa è letteralmente la cosa più nuova là fuori.
Non riesco proprio a capirlo.
Ho addestrato il modello su due cluster.
che è la distribuzione.
o
e come simularli (allevarne di simili)
Ed è provato. Cosa ne pensate?
La bomba.
Dove l'hai letto?
La bomba.
Dove l'hai letto?
Ho visto alcuni articoli.
Guarda un po'.
https://venturebeat.com/2020/08/14/how-to-improve-ai-economics-by-taming-the-long-tail-of-data/
Non riesco proprio a capirlo.
Ho addestrato il modello su due cluster.
Qual è la distribuzione
o
e come simularli (allevarne di simili)
cercate un pacchetto che vi permetta di campionare da un modello addestrato
cercate un pacchetto che vi permetta di campionare da un modello addestrato
Ci sono tre distribuzioni (linee).
Dovrebbe essere così?
Ci sono tre distribuzioni (linee)
Dovrebbe essere così?
Questi sono i parametri gaussiani
Non è il clustering che è necessario, ma la stima della densità. Encoder e GAN andranno bene.
Ci sono tecniche speciali per lavorare con le distribuzioni con la coda in MO, ma non ci sono ancora arrivato.
Per esempio, c'è un trucco del genere. Per una distribuzione a coda (mentre gli incrementi formano esattamente tali distribuzioni), la dimensione del campione per la formazione deve essere quasi infinita perché qualcosa funzioni sui nuovi dati. E questo è stato dimostrato. Cosa ne pensate?
Beh, sono proprio gli incrementi a coda che hanno dimostrato la somiglianza della serie di prezzi con la SB.)))) E come conclusione, perché funzioni, dobbiamo guardare tutta la serie, cioè anche la serie futura, o se accettiamo che la serie sia infinita, allora la serie futura sarà riconosciuta. Come se la conclusione fosse che ci sono un numero infinito di variazioni su una serie infinita e noi ci alleneremo su di esse e le vedremo.
È inutile per la pratica, ma deve essere compreso.
ZS e in termini di densità si può suddividere in sezioni dopo la valutazione.Beh, stava solo dimostrando la somiglianza della serie di prezzi con la SB.)))) con incrementi a coda. E come conclusione, ciò che funzionerebbe è vedere tutta la serie, cioè anche la serie futura, o se accettiamo che la serie sia infinita, allora la serie futura sarà riconosciuta. Come se la conclusione fosse che ci sono un numero infinito di variazioni su una serie infinita e noi ci alleneremo su di esse e le vedremo.
È inutile per la pratica, ma è necessario per capire.
SZY e in termini di densità dopo la valutazione si può dividere in sezioni.dividerli in sezioni e scegliere gli esempi più frequenti, il resto dovrebbe essere scartato come rumore
o viceversa, tracciare dei limiti su eventi rari
Come potete vedere dall'articolo - questo è un problema del mondo reale, non solo del Forex. E i MO stanno lottando con esso in diverse aree