def polynomial_kernel(x, y, p=3):
return (1 + np.dot(x, y)) ** p
# Gram matrix
K = np.zeros((n_samples, n_samples))
for i in range(n_samples):
for j in range(n_samples):
K[i,j] = self.kernel(X[i], X[j]) ??? Gram matrix 'K' is simmetrical. What we must do next, dont understand the code below
P = cvxopt.matrix(np.outer(y,y) * K)
q = cvxopt.matrix(np.ones(n_samples) * -1)
A = cvxopt.matrix(y, (1,n_samples))
b = cvxopt.matrix(0.0)
まあ、そういうことなんです。どんな補間多項式も外挿には適さない。フーリエは元の系列と全く同じであり、ラグランジュやテイラーなどの多項式は、価格変動率が大きくなると雪崩のようなカーブを描く。スムージングは絵を和らげますが、それほどでもないし、元ソースとのつながりがなくなるので、正しいとは言えません。
内挿法とは関係なく、単純明快で効果的な外挿法があります。トレンドです。
読んだストレスから立ち直るのが遅いのは、これまでの読者と同じで、ここでの話題は別物です
読書のストレスから回復するのが前の読者と同じくらい遅い、それは今オフトピックです
そう、ここではすでにオフトピックなのです。
マキシムさん、こんにちは。
数日前、あなたは入力ベクトルが2ではなくnである場合のカーネル解を探していました。その解決策を見つけたか、あるいは他の方法を実行しようとしているか。
もし私が間違っていなければ、K (x, y) の代わりに K をカーネル関数と し、K (x1, x2, x3, ..., xn) の出力を探しているのでしょう。私の理解は正しいでしょうか?
私が学んだことは、関数のカーネルはスカラー値であるということです。だから、すべてのドットプロダクトの合計になるはずだ。こんな感じでいいんじゃないでしょうか。
K (x1, x2, x3, ... xn) = すべてのzの総和 (i).Z (i + 1) すべてのi(0 <i < n)に対して
カーネル関数の全関数の合計でMQL5のループのためであることができます。
テストする術がない。しかし、同じようなことを試行錯誤したことがありますか?それとも、私の理解が足りないのでしょうか?
マキシムさん、こんにちは。
数日前、あなたは入力ベクトルが2ではなくnである場合のカーネル解を探していました。その解決策を見つけたか、あるいは他の方法を実行しようとしているか。
もし私が間違っていなければ、K (x, y) の代わりに K をカーネル関数と し、K (x1, x2, x3, ..., xn) の出力を探しているのでしょう。私の理解は正しいでしょうか?
私が学んだことは、関数のカーネルはスカラー値であるということです。だから、すべてのドットプロダクトの合計になるはずだ。こんな感じでいいんじゃないでしょうか。
K (x1, x2, x3, ... xn) = すべてのzの総和 (i).Z (i + 1) すべてのi(0 <i < n)に対して
カーネル関数の全関数の合計でMQL5のループのためであることができます。
テストする術がない。しかし、同じようなことを試行錯誤したことがありますか?それとも、私の理解が足りないのでしょうか?
なぜなら、これらのアルゴリズム(SVMやガウスプロセスなど)は、特徴マッピングではなく、内積に対してのみ作用するからです。どうすればもっと良くなるのか、良いアイデアを求めています。
なぜなら、これらのアルゴリズム(SVMやガウスプロセスなど)は、特徴マッピングではなく、内積に対してのみ動作するからです。どうすればいいのか、今、模索しているところです。
私の理解では、カーネルトリックはSVMアルゴリズムのサブセットなので、カーネルトリックの実装はもう考えていないということでしょうか?
特徴マッピングと呼ばれるものは、カーネルトリックの高次空間の多項式の内積やドット積で表現されるので、私の理解では、カーネル関数の 単純な掛け算に過ぎない。
明確にするために、K(x,y)では、カーネルを得るためにxとyとして連続する2つのローソクの終値を使用する予定ですか? それとも、何か別のものを実装しようとしていますか?
私の理解では、カーネルトリックはSVMアルゴリズムのサブセットなので、カーネルトリックの実装はもう考えていないということでしょうか?
特徴マッピングと呼ばれるものは、カーネルトリックの高次空間の多項式の内積やドット積で表現されるので、私の理解では、単純なカーネル関数の 掛け算に過ぎない。
明確にするために、K(x,y)では、カーネルを得るためにxとyとして連続する2つのローソクの終値を使用する予定ですか? それとも、何か別のものを実装しようとしていますか?
つまり、乗算後に入力ベクトルを変更する方法がわからない、それでは絶対に等しい。グラム行列を使ってベクトルを配置し(フィーチャーマッピング)、それを使っていくつかの操作をする必要があると書かれています。以下は、SVMを用いたサンプルコードです。
https://pythonprogramming.net/soft-margin-kernel-cvxopt-svm-machine-learning-tutorial/
今はそれを理解するために、ベクトル空間について学んでいるところです。
フォーラムに行った方がいいかもしれません。)
つまり、乗算後に入力ベクトルを変更する方法がわからない、それでは絶対に等しい。グラム行列を使ってベクトルを配置し(フィーチャーマッピング)、それを使っていくつかの操作をする必要があると書かれています。以下は、SVMを用いたサンプルコードです。
https://pythonprogramming.net/soft-margin-kernel-cvxopt-svm-machine-learning-tutorial/
今はそれを理解するために、ベクトル空間について学んでいるところです。
フォーラムに行った方がいいかもしれません。)
もちろん、参考資料は他の掲示板でグラム行列を動画で解いているところを紹介しています。私もそれを理解しようとしているところです。
また、MQL5ではすでに理解され、今まで実装されているのでしょうか?そうでなければ、これ以上やっても意味が ない:)
もちろん、参考資料は他の掲示板でグラム行列を動画で解いているところを紹介しています。私もそれを理解しようとしているところです。ここでは、グラムマトリックスに特化したもう一つの簡単なビデオリファレンスを紹介します。
https://www.youtube.com/watch?v=8JiMUqbByGA
また、MQL5ではすでに理解され、今まで実装されているのでしょうか?そうでなければ、これ以上やっても意味がない:)
グラム行列を計算する単純なループです。しかし、二次ソルバーが動作して、私は何のためによく分からない....あるいは、すでにSVMのロジックである :)
動画ありがとうございました
グラム行列を計算する単純なループです。が、二次ソルバーを動かすと、何のために......というのがよくわからない。あるいは、すでにSVMのロジックである :)
動画ありがとうございました
その通りです。MQL5では、おそらくforループだけで実装できると思います。
まあ、最終目標が達成されれば、他のことに煩わされる必要はないんですけどね:)
つまり、Mql5で入力を受けて、期待通りのカーネルとしての 出力が得られれば、他のことはどうでもいいんです。いずれにせよ、最終的にはテストパートで、その結果に基づいて正しく実装されているかどうかがすべて明らかにされるからです。
ちなみに、SVMは単なる分類器の技術であり、カーネルトリックは単純なドット積のため、簡単に行うことができます。カーネルトリックでは、すべてが関数によって行われるため、あまり何もする必要がありません。
また、このビデオでは、カーネルトリックを使ったPythonのサンプルコードとともに、SVMについて詳しく説明しています。見ていただくことができます。
https://www.youtube.com/watch?v=N1vOgolbjSc&t=157s
しかし、グラム行列をどのように扱えばいいのか分からない。なぜなら、これは新しく変換された機能ではなく、古い機能のスカラー積の 行列だからだ