Aleksey Nikolayev #: 얼마 전 포럼에서 누군가가 SB에 가까운 시리즈에 기간이있는 것처럼 보이기 때문에 효과의 이름을 지정했습니다 (아직 찾지 못했습니다). 이 효과는 푸리에가 프로세스에서 주기성을 "발견"한 과학의 많은 부끄러운 순간과 관련이 있으며 포럼에서 라디오 아마추어는 결코 오래 가지 않을 것입니다).
스케일 불변성?
무아레 효과 :)
규모 불변성은 그러한 방식으로 설명 될 수 있으며 라디오 아마추어의 연구 대상이 아닙니다. 푸리에가 아니라 다른 활동을 설명하는 시간별 및 일별과 같은 시장 기간 만 있습니다.
Aleksey Nikolayev #: 아니요) 슬럿츠키-유라, 게시물을 찾았습니다. 다른 유사한 효과가 발견되었다고 생각하지만 정확히 기억이 나지 않습니다. 물론 지역 라디오 아마추어는 그 모든 것에 신경 쓰지 않지만 적어도 이제는 명백한 주기성에주의하는 것이 허용됩니다.)
글쎄요, 왜 안 될까요.
투기적 주기성이 아닌 명백한 주기성을 가진 경제 프로세스가 있습니다. 예를 들어 수확을 들 수 있습니다. 그리고 그러한 프로세스가 많이 있습니다. 주기성이 매개 변수 중 하나 인 모델이 있습니다.
또 다른 한 가지는 현실에 존재하는 주기성과 Forex에서 번성했던 일부 푸리에의 도움으로 빨아 들인 주기성을 분리해야한다는 것입니다. 약 10 년 전에는 라디오 엔지니어가 부족하지 않았습니다. 많은 사람들이 수학적 모델의 매우 중요한 속성은 해석 가능성, 모델의 이러한 매개 변수 및 속성을 현실과 비교할 수있는 가능성이어야한다는 것을 이해하지 못합니다. 그리고 주기가 가변적인 차트에서 명백한 파동을 보고 어디서 왔는지 알 수없는 수요 제안을 발명하기 시작하면 결과가 그에 상응합니다.
주의 깊게 학습할수록 특정 샘플을 일반화하는 것에서 암기하는 것으로 전환되는 것은 당연하고 직관적으로 분명해 보입니다.
저는 매개변수 수가 증가하는 모델(예: 의사결정 트리)을 사용하는 경우 반복 횟수가 많으면 단순히 매개변수 수가 증가한다는 사실로 이를 설명합니다. 매개변수 수가 고정된 모델의 경우 더 복잡하지만 반복 횟수가 증가하면 매개변수 공간이 "더 많이 사용"된다고 말할 수 있습니다.
더 간단하게 설명하자면, 선택할 수 있는 옵션의 수가 증가하고 필요한 것을 선택하기가 더 쉬워진다는 것입니다. 예를 들어, 1000개의 변형 중에서 선택할 때 가장 추적 가능한 SB의 변형은 100개의 변형 중에서 선택할 때보다 더 트렌디할 것입니다.
얼마 전 포럼에서 누군가가 SB에 가까운 시리즈에 기간이있는 것처럼 보이기 때문에 효과의 이름을 지정했습니다 (아직 찾지 못했습니다). 이 효과는 푸리에가 프로세스에서 주기성을 "발견"한 과학의 많은 부끄러운 순간과 관련이 있으며 포럼에서 라디오 아마추어는 결코 오래 가지 않을 것입니다).
스케일 불변성?
무아레 효과 :)
규모 불변성은 그러한 방식으로 설명 될 수 있으며 라디오 아마추어의 연구 대상이 아닙니다. 푸리에가 아니라 다른 활동을 설명하는 시간별 및 일별과 같은 시장 기간 만 있습니다.
스케일 불변성?
무아레 효과 :)
신경망에서 BP 표현을 올바르게 수행하는 방법에 대한 좋은 논문입니다. 물론 FFT는 제거할 수 있습니다. 그리고 다른 모델에 대한 추가 비교.
근본적인 차이점은 전처리가 네트워크 아키텍처에 내장되어 있다는 것입니다. 하지만 전처리는 별도로 수행할 수도 있습니다.
LSTM은 주기 간 변화를 고려하지 않기 때문에 백그라운드에서 담배를 피 웁니다.
부스팅도 테스트에 따르면 순위에서 최하위권에 머물러 있습니다.도구에 관계없이 MO의 압도적 인 응용 프로그램은 교사와 예측자 사이에 "자연스러운"관계가있는 영역에 있다고 생각됩니다. 예를 들어, 일기 예보: 온도, 습도 ...
반면에 우리는 여기에 앉아서 코를 골아서 우리의 상상력인 예측자를 생각해 내고 어떤 이유에서인지 거래 주문을 예측하기를 원합니다.
따라서 "자연스러운" 예측자가 있는 출판물은 우리에게 관심이 없습니다. 안타깝게도 말이죠.
그 반대는 어떻게 증명되나요?
제 생각에는 시간 제한이 있는 이벤트, 즉 같은 뉴스가 있습니다. 예상, 악화, 호전의 세 가지 하위 표본으로 나누고 맥락을 고려하면 시장 참여자들의 비슷한 행동을 발견할 수 있다고 생각합니다.
또 다른 옵션은 상품의 계절성입니다.
정확히 어떤 것일까요?
도구에 관계없이 MO의 압도적 인 응용 프로그램은 교사와 예측자 사이에 "자연스러운"관계가있는 영역에 있다고 생각됩니다. 예를 들어, 일기 예보: 온도, 습도 ...
우리는 여기에 앉아서 코를 골고 상상력을 발휘하여 예측자를 생각해 내고 어떤 이유에서인지 거래 주문을 예측하기를 원합니다.
따라서 "자연스러운" 예측자가 있는 출판물은 저희에게는 관심이 없습니다. 안타깝게도요.
이것은 논리적으로 보이는 특성을 모델에 공급하는 측면일 뿐입니다. 그리고 그 후에 무엇을 할 것인지는 물론 난해한 질문입니다.
예를 들어, 이 접근 방식을 사용하면 하나의 샘플에 더 많은 스토리를 담을 수 있습니다.아니요) 슬럿츠키-유라, 게시물을 찾았습니다. 다른 유사한 효과가 발견되었다고 생각하지만 정확히 기억이 나지 않습니다. 물론 지역 라디오 아마추어는 그 모든 것에 신경 쓰지 않지만 적어도 이제는 명백한 주기성에주의하는 것이 허용됩니다.)
글쎄요, 왜 안 될까요.
투기적 주기성이 아닌 명백한 주기성을 가진 경제 프로세스가 있습니다. 예를 들어 수확을 들 수 있습니다. 그리고 그러한 프로세스가 많이 있습니다. 주기성이 매개 변수 중 하나 인 모델이 있습니다.
또 다른 한 가지는 현실에 존재하는 주기성과 Forex에서 번성했던 일부 푸리에의 도움으로 빨아 들인 주기성을 분리해야한다는 것입니다. 약 10 년 전에는 라디오 엔지니어가 부족하지 않았습니다. 많은 사람들이 수학적 모델의 매우 중요한 속성은 해석 가능성, 모델의 이러한 매개 변수 및 속성을 현실과 비교할 수있는 가능성이어야한다는 것을 이해하지 못합니다. 그리고 주기가 가변적인 차트에서 명백한 파동을 보고 어디서 왔는지 알 수없는 수요 제안을 발명하기 시작하면 결과가 그에 상응합니다.
글쎄요, 이것은 모델에 기호를 공급하는 측면 일 뿐이며 논리적으로 보입니다. 물론 그 후에 무엇을 할 것인지는 난해한 문제입니다.
예를 들어, 이 접근 방식을 사용하면 하나의 샘플에 더 많은 스토리를 담을 수 있습니다.우리에게는 쓰레기가 들어오는 것은 쓰레기이며, 대부분의 사람들은 쓰레기가 들어오지 않습니다.
저희는 쓰레기를 버리면 쓰레기를 버리는 방식이며, 대부분의 사람들은 쓰레기를 버리지 않습니다.
쓰레기를 파헤치는 호보 알고리즘이 필요합니다.
"흙에서 공작으로"라는 시리즈 기사라고 부를 수 있습니다.
주의 깊게 학습할수록 특정 샘플을 일반화하는 것에서 암기하는 것으로 전환되는 것은 당연하고 직관적으로 분명해 보입니다.
저는 매개변수 수가 증가하는 모델(예: 의사결정 트리)을 사용하는 경우 반복 횟수가 많으면 단순히 매개변수 수가 증가한다는 사실로 이를 설명합니다. 매개변수 수가 고정된 모델의 경우 더 복잡하지만 반복 횟수가 증가하면 매개변수 공간이 "더 많이 사용"된다고 말할 수 있습니다.
더 간단하게 설명하자면, 선택할 수 있는 옵션의 수가 증가하고 필요한 것을 선택하기가 더 쉬워진다는 것입니다. 예를 들어, 1000개의 변형 중에서 선택할 때 가장 추적 가능한 SB의 변형은 100개의 변형 중에서 선택할 때보다 더 트렌디할 것입니다.
추신. 이것은 이것에 관한 것입니다