따라서 본질은 동일하게 유지됩니다. 우리는 또한 역사에서 유사체를 찾고 그것이 어떻게 끝났는지 살펴보지만 가격이 아니라 각 개별 스펙트럼 구성 요소에 대해 유사체를 찾고 있으며 각 구성 요소가 어떻게 끝났는지 살펴봅니다. 기록 및 결합 - 모든 예측을 재구성하고 일반적인 예측을 얻습니다.
첫 번째 테스트에 따르면 각 구성 요소를 개별적으로 예측하면 주제가 매우 유망합니다. 예후는 종종 정확하지만 편견이 없는 경우는 드뭅니다.
현재 구성 요소 중 하나는 검은색으로 표시되고 구성 요소는 파란색으로 표시됩니다. 검은색 세로선 이후 기록에서 찾은 아날로그는 이미 알고리즘에 알려지지 않은 새로운 데이터입니다. 사실 예측입니다. 보시다시피, 매우 효과적으로
하지만 보시다시피 예측에는 항상 편향이 있고 항상 그렇게 좋은 것은 아닙니다. 자연스럽게 저는 상관관계를 통해 구식 방식으로 아날로그 간의 근접성을 찾고 있는데 이것이 가장 좋은 것 중 하나라는 것을 이해합니다. 부적절한 방법, 그래서 진폭, 위상, 주파수를 통해 유사성을 찾는 일종의 알고리즘을 교체하고 싶었습니다. 이제 내가 푸리에에 대해 이야기할 때 내가 일반적으로 의미한 것이 무엇인지 이해했습니까?
마이클 마르쿠카이테스 : 흥미롭게도 5.0은 저장하지 않고 텍스트 파일을 생성하지 않기 때문에 버전 6.0을 다운로드했습니다. 그래서 훈련 중에 일부 오류 표시기가 있는 이유는 명확하지 않지만 텍스트 파일에서는 값이 완전히 다릅니다 ???
텍스트 파일에서 이진 분류기의 특성 및 삼항 분류기에 대한 교육 후. 두 개의 그리드가 있으며 판독 값이 일치하면 긍정적인 답변을 얻고, 다르면 대시를 표시합니다. 이진 분류기는 샘플에 유사한 패턴에 대한 데이터가 있는지 여부에 관계없이 항상 긍정적인 답변만 제공합니다. 삼항 분류기는 훈련 샘플에 유사한 패턴이 없는 경우 긍정 응답을 제공하지 않는 경우가 있습니다.
트레이더 박사 : 르니트? 아니요, 훈련은 매우 느리고 모델이 현재 정의하는 적합도는 0.018이며 하루에 100분의 1씩 증가합니다. 훈련 및 검증 데이터의 정확도는 이제 0.52로 매우 낮지만 최소한 재훈련 없이 검은색으로 표시됩니다.
Oo 52는 이미 50보다 낫습니다. 지난번에 0.017이었던 것을 기억하는 한, 100분의 1이 예측 정확도를 2% 높이는 것으로 나타났습니다. 네트워크가 주의를 기울일 가치가 있다면 다시 작성하는 것이 좋습니다. SI에 있습니다. 계속해서 소식을 전해 주세요. 저는 매우 관심이 많습니다. ...
mytarmailS : Oo 52는 이미 50보다 낫습니다. 지난번에 0.017이었던 것을 기억하는 한, 100분의 1이 예측 정확도를 2% 높이는 것으로 나타났습니다. 네트워크가 주의를 기울일 가치가 있다면 다시 작성하는 것이 좋습니다. SI에 있습니다. 계속해서 소식을 전해 주세요. 저는 매우 관심이 많습니다. ...
모델이 토폴로지를 개선하고 동일한 정확도로 몇 개의 뉴런을 내보냈기 때문에 피트니스가 향상될 수 있습니다. 코드의 주석에서 내가 이해한 한 이것은 Lua를 사용한 포트입니다. 원본이 이미 C++에 있었기 때문에 Lua도 포트입니다. http://nn.cs.utexas.edu?neat Port from port는 아쉽고 불필요한 작업이 많이 발생합니다. RNeat의 작성자가 C++ 코드를 기반으로 하고 네트워크의 진화를 위해 기존 R 유전자 패키지를 적용했다면 더 좋았을 것입니다.
인사말!!!! LibVMR을 사용하지만 "Bad Data" 오류가 충돌하기 때문에 이전 버전이 표시됩니다. 새 버전이 있는 것으로 알고 있습니다. 어디서 다운받을 수 있나요??? 가능하다면??
그들에게 신선하고 원시는 이제 링크의 BitBucket 리포지토리를 통해 배포됩니다. https://bitbucket.org/jprediction/jprediction/downloads
프로젝트 이름도 libVMR에서 jPrediction으로 변경됨
명확하지 않습니까? 패턴이나 변형에 대해 OHLC 형식으로 가격을 책정합니까?
사실은 OHLC를 그대로 취하면 비슷한 패턴이지만 비교된 패턴보다 1000포인트 높거나 낮은 유클리드 거리만큼 완전히 다른 패턴보다 10포인트 높거나 낮습니다. . 또한, 그 차이는 2차 크기가 되며, 따라서 비교 오류도 2차입니다.
유클리드로 측정할 때 모든 벡터는 정규화되고 중심에 놓였습니다.
해결책이 발견되었습니다...
해결책은 현재 벡터(현재 가격)에 스펙트럼 분석을 적용하고 더 간단한 구성 요소로 분해하면 단순한 구조로 인해 이러한 구성 요소를 역사에서 더 쉽게 찾을 수 있다는 것입니다.
분해를 위해 "goose" 또는 "ssa" 방법을 사용했습니다 . http://www.milanor.net/blog/wp-content/uploads/2014/07/SingularSpectrumAnalysisWithRssa.pdf
따라서 본질은 동일하게 유지됩니다. 우리는 또한 역사에서 유사체를 찾고 그것이 어떻게 끝났는지 살펴보지만 가격이 아니라 각 개별 스펙트럼 구성 요소에 대해 유사체를 찾고 있으며 각 구성 요소가 어떻게 끝났는지 살펴봅니다. 기록 및 결합 - 모든 예측을 재구성하고 일반적인 예측을 얻습니다.
첫 번째 테스트에 따르면 각 구성 요소를 개별적으로 예측하면 주제가 매우 유망합니다. 예후는 종종 정확하지만 편견이 없는 경우는 드뭅니다.
현재 구성 요소 중 하나는 검은색으로 표시되고 구성 요소는 파란색으로 표시됩니다. 검은색 세로선 이후 기록에서 찾은 아날로그는 이미 알고리즘에 알려지지 않은 새로운 데이터입니다. 사실 예측입니다. 보시다시피, 매우 효과적으로
하지만 보시다시피 예측에는 항상 편향이 있고 항상 그렇게 좋은 것은 아닙니다. 자연스럽게 저는 상관관계를 통해 구식 방식으로 아날로그 간의 근접성을 찾고 있는데 이것이 가장 좋은 것 중 하나라는 것을 이해합니다. 부적절한 방법, 그래서 진폭, 위상, 주파수를 통해 유사성을 찾는 일종의 알고리즘을 교체하고 싶었습니다. 이제 내가 푸리에에 대해 이야기할 때 내가 일반적으로 의미한 것이 무엇인지 이해했습니까?
닥터 트레이더
당신의 신경망은 안녕하십니까? 훈련?
어떻게?
음, 두 벡터를 비교하기 직전에 "scale" 함수로 크기를 조정했습니다.
scale(x = 데이터 , 중심 = TRUE, 척도 = TRUE )
어떻게?
흥미롭게도 5.0은 저장하지 않고 텍스트 파일을 생성하지 않기 때문에 버전 6.0을 다운로드했습니다. 그래서 훈련 중에 일부 오류 표시기가 있는 이유는 명확하지 않지만 텍스트 파일에서는 값이 완전히 다릅니다 ???
르니트? 아니요, 훈련은 매우 느리고 모델이 현재 정의하는 적합도는 0.018이며 하루에 100분의 1씩 증가합니다. 훈련 및 검증 데이터의 정확도는 이제 0.52로 매우 낮지만 최소한 재훈련 없이 검은색으로 표시됩니다.
Oo 52는 이미 50보다 낫습니다. 지난번에 0.017이었던 것을 기억하는 한, 100분의 1이 예측 정확도를 2% 높이는 것으로 나타났습니다. 네트워크가 주의를 기울일 가치가 있다면 다시 작성하는 것이 좋습니다. SI에 있습니다. 계속해서 소식을 전해 주세요. 저는 매우 관심이 많습니다. ...
모델이 토폴로지를 개선하고 동일한 정확도로 몇 개의 뉴런을 내보냈기 때문에 피트니스가 향상될 수 있습니다.
코드의 주석에서 내가 이해한 한 이것은 Lua를 사용한 포트입니다. 원본이 이미 C++에 있었기 때문에 Lua도 포트입니다. http://nn.cs.utexas.edu?neat
Port from port는 아쉽고 불필요한 작업이 많이 발생합니다. RNeat의 작성자가 C++ 코드를 기반으로 하고 네트워크의 진화를 위해 기존 R 유전자 패키지를 적용했다면 더 좋았을 것입니다.