시비르크 : 차원이 한 차원 감소하면 학습이 훨씬 쉬워지고 압축 중 노이즈가 감소해야 합니다(IMHO).
그러나 물론 여기에서는 모든 것이 그렇게 단순하지 않습니다. 예를 들어 SVM은 모든 결과와 함께 선형이지만 사랑하는 핵 버전은 또 다른 문제이지만 그 이유는 무엇입니까? e^(-||wx||^k)는 일반적으로 무한 차원이기 때문에 훨씬 더 다차원 공간으로 투영하는 것 외에는 아무 것도 하지 않는 "커널 트릭"에 관한 것입니다. 가장 간단한 커널 분류기가 작동하는 이유는 무엇입니까? 너무 잘? 문제는 샘플을 각 코어로 곱하기 위해 분할한 섹션 수보다 비례적으로 더 많은 측정값이 있으며 코어의 기능에 따라 핵 SVM의 코어 크기와 훈련 속도를 가지고 장난을 친다는 것입니다. 그리고 계산. 다차원성이 항상 나쁜 것은 아닙니다.
특히 우리의 경우 위에서 일부 신사들이 올바르게 말했듯이 요점은 머신 러닝 도구가 아니라 데이터에 있습니다. 모든 종류의 차원 압축 트릭은 도움이 되지 않습니다. 자동 기능 추출기는 컨볼루션 네트워크와 같습니다. 입력에 다차원 노이즈만 있거나 심지어 1차원인 경우 :)
이 회사는 연구원들이 주어진 시장에서 증권 가격의 방향에 대한 통계적 확률을 평가하기 위해 방대한 페타바이트 규모의데이터 웨어하우스 에서 수십 년의 다양한 데이터를 활용하는 양적 거래 의 초기 개척자입니다. 전문가들은 주변 사건에 대한 광범위한 데이터를 르네상스가 고려하는 금융 및 경제 현상과 계산 및 실행을 위한 매우 효율적이고 확장 가능한 기술 아키텍처를 배포하여 막대한 양의 데이터를 조작할 수 있는 회사의 능력을 시장. [19] 여러 면에서 르네상스 테크놀로지스는 다른 몇몇 회사와 함께 빅 데이터 와 데이터 분석 이 주류를 이루기 훨씬 이전 에 거의 20년 동안 매일 테라바이트의 데이터를 합성하고 페타바이트의 데이터에서 정보 신호를 추출해 왔습니다 . 기술. [20]
20년 이상 동안 전 세계 시장에서 거래되는 이 회사의 Renaissance Technologies 헤지 펀드 는 거래를 분석하고 실행하기 위해 복잡한 수학적 모델을 사용했으며 대부분이 자동화되었습니다. 회사는 컴퓨터 기반 모델을 사용하여 쉽게 거래되는 금융 상품의 가격 변동을 예측합니다. 이러한 모델은 수집할 수 있는 최대한 많은 데이터를 분석한 다음 예측을 위해 비임의적 움직임을 찾는 것을 기반으로 합니다. 일부는 또한 패턴 인식과 같은 재무 신호 처리 기술을 사용하여 회사의 성과를 돌렸습니다. Quants 는 현재 회사의 리더를 포함하여 IBM의 음성 인식 전문가 고용에 대해 설명합니다.
문제는 데이터를 위해 주인의 어깨에서 월 1~2만 달러 이상을 기부할 수 없는 단순한 알고리즘 트레이더가 골드만, 르네상스, 테자와 같은 괴물의 환경에서 여전히 생존하는 방법입니다. 가장 관련성이 높은 데이터를 찾는 방법, 거대 기업이 사용하는 빙산의 일각.
시각화했을 뿐입니다. 그러나 대규모 플레이어가 주문을 이동하는 방식, 실행 방식, 대규모 시장이나 빙산 이후 가격이 어떻게 움직이는지 패턴을 찾는다면 훨씬 더 많은 이점이 있을 것입니다. 이 모든 것이 언급된 솔루션에서 확인되었습니다. 아마도 이것은 모스크바 증권 거래소 에서 여전히 작동할 것입니다. 만약 그들이 집계된 스트림이 아닌 원시 스트림을 보낸다면. 1년 전 그들은 거래소의 핵심에서 집계된 흐름을 다시 도입했습니다. 때문에 주식에 어려움이있을 수 있습니다. 너무 많은 ECN과 다크 풀이 있습니다.
........ 골드만, 르네상스, 테자와 같은 몬스터들 사이에서 살아남으세요. 가장 관련성이 높은 데이터를 찾는 방법, 거대 기업이 사용하는 빙산의 일각.
더 쉬울 수 있습니까?
자신을 포함하여 군중을 분석하고 군중의 행동을 예측한 다음 반대로 행동하십시오. Goldman, Renaissance 및 Teza와 같은 이러한 모든 괴물은 유동성에 대한 거래에서 항상 카운터 에이전트(lox)를 필요로 하기 때문입니다. 그는 자신의 포지션을 오픈한 다음 자신의 손절매를 이끌고 다른 방향으로 유동성이 급증하게 되며 동일한 유동성으로 포지션을 닫게 되지만 패자는... 그게 전부입니다. 있는 그대로의 시장... 인파를 찾으면 큰 인파가...
시장에서 Goldman, Renaissance 및 Teza의 괴물들의 전체 경쟁은 누가 빨리 빨갱이를 부을 것인지 입니다 ... 그리고 당신은 수조 달러의 매출에 대한 이러한 이야기를 믿을 필요가 없습니다. 시장, 은행에는 수조 달러가 있고 군중에는 항상 유한한 돈이 있으며 전체적으로 훨씬 더 겸손합니다. 매일 은행은 유리와 시장에서 기적의 분야, 활동 시뮬레이션 분야에서 새로운 피노키오를 고대합니다. 전체적으로
Mikha, chtol 다시?))) 나는 죽어 가고 있습니다 ... 나는 당신에 대해 모르지만 우리는 나누고 정권을 나누고 조각을 찢습니다)))
아름다운. 이것은 심각한 그래픽입니까 아니면 풍자입니까? 하이퍼스페이스의 수동 분할?
아름다운. 이것은 심각한 그래픽입니까 아니면 풍자입니까? 하이퍼스페이스의 수동 분할? 그러나 예측 변수가 2개가 아니라 20개인 경우 이를 수행하는 방법은 무엇입니까?
아름다운. 이것은 심각한 그래픽입니까 아니면 풍자입니까? 하이퍼스페이스의 수동 분할? 그러나 예측 변수가 2개가 아니라 20개인 경우 이를 수행하는 방법은 무엇입니까?
본질은 똑같고, 그 특징들이 준직교라면 근본적으로 바뀌는 것이 없고, 그렇지 않다면 차원을 압축하는 것이 바람직하지만 1, 3, 30은 전혀 상관없다, 이것은 단지 “ 마스킹” 하이퍼스페이스, 분류의 경우
차원이 한 차원 감소하면 학습이 훨씬 쉬워지고 압축 중 노이즈가 감소해야 합니다(IMHO).
작업에 따라...
예를 들어, 입력의 정확성이 필요할 때 저처럼 리바운드에 대해 알고를 훈련시킨 다음 치수를 줄이면(저는 "PCA"를 수행했습니다), 알고의 시야가 흐려지는/번짐/매끄러워지는 것처럼 보이고 반등을 잡는 대신 고점에서 매수하고 Loyah에서 매도하기 시작했습니다.
차원이 한 차원 감소하면 학습이 훨씬 쉬워지고 압축 중 노이즈가 감소해야 합니다(IMHO).
그러나 물론 여기에서는 모든 것이 그렇게 단순하지 않습니다. 예를 들어 SVM은 모든 결과와 함께 선형이지만 사랑하는 핵 버전은 또 다른 문제이지만 그 이유는 무엇입니까? e^(-||wx||^k)는 일반적으로 무한 차원이기 때문에 훨씬 더 다차원 공간으로 투영하는 것 외에는 아무 것도 하지 않는 "커널 트릭"에 관한 것입니다. 가장 간단한 커널 분류기가 작동하는 이유는 무엇입니까? 너무 잘? 문제는 샘플을 각 코어로 곱하기 위해 분할한 섹션 수보다 비례적으로 더 많은 측정값이 있으며 코어의 기능에 따라 핵 SVM의 코어 크기와 훈련 속도를 가지고 장난을 친다는 것입니다. 그리고 계산. 다차원성이 항상 나쁜 것은 아닙니다.
특히 우리의 경우 위에서 일부 신사들이 올바르게 말했듯이 요점은 머신 러닝 도구가 아니라 데이터에 있습니다. 모든 종류의 차원 압축 트릭은 도움이 되지 않습니다. 자동 기능 추출기는 컨볼루션 네트워크와 같습니다. 입력에 다차원 노이즈만 있거나 심지어 1차원인 경우 :)
https://en.wikipedia.org/wiki/Renaissance_Technologies
이 회사는 연구원들이 주어진 시장에서 증권 가격의 방향에 대한 통계적 확률을 평가하기 위해 방대한 페타바이트 규모의 데이터 웨어하우스 에서 수십 년의 다양한 데이터를 활용하는 양적 거래 의 초기 개척자입니다. 전문가들은 주변 사건에 대한 광범위한 데이터를 르네상스가 고려하는 금융 및 경제 현상과 계산 및 실행을 위한 매우 효율적이고 확장 가능한 기술 아키텍처를 배포하여 막대한 양의 데이터를 조작할 수 있는 회사의 능력을 시장. [19] 여러 면에서 르네상스 테크놀로지스는 다른 몇몇 회사와 함께 빅 데이터 와 데이터 분석 이 주류를 이루기 훨씬 이전 에 거의 20년 동안 매일 테라바이트의 데이터를 합성하고 페타바이트의 데이터에서 정보 신호를 추출해 왔습니다 . 기술. [20]
20년 이상 동안 전 세계 시장에서 거래되는 이 회사의 Renaissance Technologies 헤지 펀드 는 거래를 분석하고 실행하기 위해 복잡한 수학적 모델을 사용했으며 대부분이 자동화되었습니다. 회사는 컴퓨터 기반 모델을 사용하여 쉽게 거래되는 금융 상품의 가격 변동을 예측합니다. 이러한 모델은 수집할 수 있는 최대한 많은 데이터를 분석한 다음 예측을 위해 비임의적 움직임을 찾는 것을 기반으로 합니다. 일부는 또한 패턴 인식과 같은 재무 신호 처리 기술을 사용하여 회사의 성과를 돌렸습니다. Quants 는 현재 회사의 리더를 포함하여 IBM의 음성 인식 전문가 고용에 대해 설명합니다.
문제는 데이터를 위해 주인의 어깨에서 월 1~2만 달러 이상을 기부할 수 없는 단순한 알고리즘 트레이더가 골드만, 르네상스, 테자와 같은 괴물의 환경에서 여전히 생존하는 방법입니다. 가장 관련성이 높은 데이터를 찾는 방법, 거대 기업이 사용하는 빙산의 일각.
DIY를 대규모 조직의 작업과 비교하기로 결정했기 때문에 일종의 그래픽 패턴이나 표시기를 찾는 것을 멈추고 그들이 하는 일에 정확히 집중해야 한다고 생각합니다.
https://www.mql5.com/ru/forum/96886/page2#comment_2866637에서 흥미로운 솔루션을 언급했습니다.
시각화했을 뿐입니다. 그러나 대규모 플레이어가 주문을 이동하는 방식, 실행 방식, 대규모 시장이나 빙산 이후 가격이 어떻게 움직이는지 패턴을 찾는다면 훨씬 더 많은 이점이 있을 것입니다. 이 모든 것이 언급된 솔루션에서 확인되었습니다. 아마도 이것은 모스크바 증권 거래소 에서 여전히 작동할 것입니다. 만약 그들이 집계된 스트림이 아닌 원시 스트림을 보낸다면. 1년 전 그들은 거래소의 핵심에서 집계된 흐름을 다시 도입했습니다. 때문에 주식에 어려움이있을 수 있습니다. 너무 많은 ECN과 다크 풀이 있습니다.
더 쉬울 수 있습니까?
자신을 포함하여 군중을 분석하고 군중의 행동을 예측한 다음 반대로 행동하십시오. Goldman, Renaissance 및 Teza와 같은 이러한 모든 괴물은 유동성에 대한 거래에서 항상 카운터 에이전트(lox)를 필요로 하기 때문입니다. 그는 자신의 포지션을 오픈한 다음 자신의 손절매를 이끌고 다른 방향으로 유동성이 급증하게 되며 동일한 유동성으로 포지션을 닫게 되지만 패자는... 그게 전부입니다. 있는 그대로의 시장... 인파를 찾으면 큰 인파가...
시장에서 Goldman, Renaissance 및 Teza의 괴물들의 전체 경쟁은 누가 빨리 빨갱이를 부을 것인지 입니다 ... 그리고 당신은 수조 달러의 매출에 대한 이러한 이야기를 믿을 필요가 없습니다. 시장, 은행에는 수조 달러가 있고 군중에는 항상 유한한 돈이 있으며 전체적으로 훨씬 더 겸손합니다. 매일 은행은 유리와 시장에서 기적의 분야, 활동 시뮬레이션 분야에서 새로운 피노키오를 고대합니다. 전체적으로