トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2849

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

nxは同じ要素の数である。1より大きいのにどうして1までなのか？

例えば、5:1 = (5,4,3,2,1)、1:5 = (1,2,3,4,5)。

Aleksey Vyazmikin#:

この記事では一般的に、手法そのものを適用する前に分布を知る必要があることを強調している。

matstatの常として - 経験的類似がサンプルから構築されます。期待値の代わりの平均値、確率の代わりの度数、CDFの代わりのECDFのように。

[Roman]

Aleksey Nikolayev #:

大雑把に言えば、木を切るのは億劫ではないが、斧を研ぐのは億劫だ。

リスク関数は、Rの最も単純な変形である。

水平線に近い曲線のセクションは、ヒストグラムのディップに対応し、ここでは（ヒストグラムのように）分割との関連がないので、これらのセクションはより正確に決定することができます。例えば、ジグザグの膝の高さの分布を研究するときに使う。

Huber関数はリスク関数として考えられますか？
Rで示されたように計算されるようです。
私が理解した限りでは、排出量の10％パーセンタイルを定義しているだけです。
Huber損失関数をリスク関数として適用することは可能ですか？

それとも別のトピックのものですか？

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

例えば、5:1 = (5,4,3,2,1)、1:5 = (1,2,3,4,5)。

matstatの常として - 経験的アナログがサンプルから構築される。期待値の代わりの平均、確率の代わりの度数、CDFの代わりのECDFのように。

さて、プロットしましたが、これをどうすればいいでしょうか？

また、xが標本の要素数である場合、ヒストグラムはどのように使用できますか？

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

また、xがサンプルの要素数である場合、どのようにしてヒストグラムを作ることができるでしょうか？

Xは昇順にソートされたサンプル（あなたの場合は列の高さ） でなければなりません。そして、関数はゼロからlog(nx) まで増加するはずです。例えば、nx=5であれば、y=( log(5/5), log (5/4), log (5/3), log (5/2), log (5/1))となります。

[Aleksey Nikolayev]

Roman #:

それとも別のオペラのものですか？

全く違う。あなたが話しているのは損失関数の変形の一つで、私たちが話しているのは累積ハザード関数についてです。

[Алексей Тарабанов]

mytarmailS #:
強化トレーニングは？

何を強化するんだ？

とにかく、あなたには知性はなく、自律神経系のモデルしかない。

反射神経を練習できるかもしれない．

知性はどこにあるのか？抽象化のレベルはどこにあるのか？統合失調症はどこだ？

人工知能のどこにそんなものがあるんだ？

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

Xについては、昇順にソートされたサンプル（あなたの場合、列の高さ）があるはずだ。そして、関数はゼロからlog(nx)まで増加するはずである。例えば、nx=5であれば、y=( log(5/5), log (5/4), log (5/3), log (5/2), log (5/1))となる。

重要な説明だ！

では、このようになるのでしょうか？

ヒストグラムはどのように変換するのですか？

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

重要な説明がある！

そうなんですか？

ヒストグラムはどのように変換するのですか？

まあ、すでに横の部分が見えていますね。最大サンプル数が400であることも気になりますが、以前は約60でした。おそらく、Xの代わりにlog(X)を取るべきで、以前はサンプルからゼロの値を捨てていました。

いずれにせよ、あなたの課題は一般的には何なのかわからない。この方法は、あなたが抱いている特定の疑問、つまり、最も高い「フェンス」と最も低い「木」をどのように分けるかという疑問に答えるだけです。水平なセクションの 始まり（またはカーブの残りの部分の平均勾配と比較して水平に近い）が最も高いフェンスであり、そのようなセクションの終わりが最も低い木である。この区間自体には点がないか、あってもごくわずかであるため、点を無視することができる。

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

、、フえてフフフフフフフフフフフフフフフフフフフフフフフフフフフフフフフフ最大標本が400であることも気になりますが、以前は約60でした。おそらく、Xの代わりにlog(X)を取るべきで、以前はサンプルからゼロの値を捨てていた。

Xを変換してみましたが、何を見たのかがまだ理解できません - そして、目的の範囲を選択するために座標を定義するプロセスを自動化する方法がわかりません。

Can you name the specific coordinates where the "gentle graph" starts?そして水平のグラフがあり、その後鋭角に動く-それはもうカウントされない-最初のなだらかなグラフまで、あるいは何？

、フ#：

年前の学位取得の学位は学位取得の学位取得の学位取得学位取得者。この方法は、あなたの具体的な質問に答えるもので、最も高い「フェンス」と最も低い「木」をどのように分けるかというものです。水平なセグメントの 始まり（または、カーブの残りの部分の平均勾配と比較して水平に近い）が最も高いフェンスで、そのようなセグメントの終わりが最も低い木です。この区間自体には点がないか、非常に少ないので、無視することができる。

ークエンスのークエンスはークエンスのークエンスのークエンスのークエンスのークエンスのークエンスのークエンスのークエンスをークエンスのークエンスをークエンスのークエ ークエンスのークエリアがークエリアがークエリアのークエリアのークエリアのークエリアのークエリアのークエ ークエース

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

Xも変換しましたが、何を見たのかまだ理解できません。また、座標を定義して希望の範囲を選択するプロセスを自動化する方法もわかりません。

なだらかなグラフ」が始まる具体的な座標を教えてください。また、水平のグラフがあり、その後鋭角に動いたが、それはもうカウントされないのだろうか？

目標は、シーケンスの性質を説明する予測因子を見つけることである。

最初の図では、明らかな水平プロットは約2.4から3までである。

例えば、ジグザグの膝の高さのサンプルであれば、これは最初のレベルのブレークダウンでエントリーし、2番目のレベルで利益を取るチャンスです。

例えば、アービトラージの機会の寿命のサンプルであれば、最初のレベルに生き残ったものにエントリーする方が良い。

このカーブを具体的にどう使うかを考える体力も時間も欲望もない。すでに何度も申し上げているように、私はフォーラムでの「共同作業」という考え方には反対である。個々の理論的な問題を表面的に議論することにしかメリットを感じないからだ。