작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: Bolinger)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
벡터는 다음과 같이 닫힙니다.
X1{10,13,26,12,42,48,98} 및
X2{11,12,27,14,43,46,88} 및 벡터 X3은 다른 클러스터에 있습니다.
X3{101,12,27,14,43,46,88}
사실은 아니지만, 해밍 거리에 따라 클러스터가 어떻게 나뉘는지, "Trend Top, Trend Down, Trend Down" 원칙에 따라 벡터의 매개변수가 분할되면 FF만이 알고 있는 방식을 보여주었습니다. :)
원칙적으로 정규화 없이는 아무데도 없이 모든 것이 정확합니다. 그렇지 않으면 매우 큰 범위에서 가중치를 검색해야 합니다(정규화 문제를 그리드의 어깨로 이동). 그러나 클러스터에 대한 그리드 분포는 입력 벡터의 직접적인 근접성에 의존하지 않고 가중치 계수에 의존한다는 것을 잊지 마십시오. 그리고 두 개의 가까운(매개변수 측면에서) 위치한 벡터가 다른 클러스터에 있고 원격 벡터가 하나에 있을 때 상황이 발생할 수 있습니다. 그것은 모두 FF에 달려 있습니다.
작업은 시장을 Trend Top, Trend Down, Trend Wdoc 클러스터로 나누는 벡터를 선택하는 것입니다.
예를 들어, 우리는 환상 X{x1,x2,x3,x4,x5,x6,x7}에 따라 벡터 배열을 형성합니다.
х1= MA 기간
х2= RSI 기간
x3=MA 값
x4= RSI 값
x5=분산(예: Bolinger)
x6=추세 성분 MA(N)-MA(N-1)
х7=MA 및 가격 교차점의 수
또한 이러한 벡터의 배열이 Kohonen 맵에 의해 클러스터링되면 근처 벡터가 닫힙니다. 유클리드 거리는 x1, x2, x4, x7의 영향을 더 많이 받는 것으로 나타났습니다. x3, x5, x6의 특성은 더 중요하지 않더라도 덜 중요하지 않습니다. -1 ... 1 구간에 있는 모든 x를 어떤 식으로든 정규화하는 것이 가능하지만, 어떻게 해야할지 상상할 수 없습니다. 또는 가치가 가까운 시장의 특성을 취하면 파리와 미트볼을 비교할 수 있습니다.
벡터는 다음과 같이 닫힙니다.
X1{10,13,26,12,42,48,98} 및
X2{11,12,27,14,43,46,88} 및 벡터 X3은 다른 클러스터에 있습니다.
X3{101,12,27,14,43,46,88}
사실은 아니지만, 해밍 거리에 따라 클러스터가 어떻게 나뉘는지, "Trend Top, Trend Down, Trend Down" 원칙에 따라 벡터의 매개변수가 분할되면 FF만이 알고 있는 방식을 보여주었습니다. :)
기본적으로 알아냈습니다. 정규화 없이는 할 수 없습니다. 세 개의 벡터를 가정해 봅시다.
X1 {10,10,0.1}
X2 {11,10,0.3}
X3 {10,12,-0.2} 세 벡터가 모두 같은 클러스터에 속하는 것처럼 보입니다.
훈련 세트에서 x1= 최소 0 최대 20, x2=최소 -10 최대 40 x3= 최소 -0.5 최대 0.5 이제 원래 벡터를 정규화합니다.
X1 {0.5, 0.2, 0.1}
X2 {0.55, 0.2, 0.3}
X3 {0.5 , 0.24, -0.2} 이제 클러스터가 다르므로 결과 벡터를 단위 벡터로 정규화할 수 있지만 이는 이미 불필요합니다. 나는 그것이 작동해야한다고 생각합니다.
기본적으로 알아냈습니다. 노멀라이제이션이 필요없다...
원칙적으로 정규화 없이는 아무데도 없이 모든 것이 정확합니다. 그렇지 않으면 매우 큰 범위에서 가중치를 검색해야 합니다(정규화 문제를 그리드의 어깨로 이동). 그러나 클러스터에 대한 그리드 분포는 입력 벡터의 직접적인 근접성에 의존하지 않고 가중치 계수에 의존한다는 것을 잊지 마십시오. 그리고 두 개의 가까운(매개변수 측면에서) 위치한 벡터가 다른 클러스터에 있고 원격 벡터가 하나에 있을 때 상황이 발생할 수 있습니다. 그것은 모두 FF에 달려 있습니다.
위협 CUDA와 함께 작동하도록 dll을 작성하거나 잠시만 기다리면 신경쓰이는 것 외에 GPU에 대한 주제가 하나 더 있습니다.
Renat ME의 OpenCL 및 스토리지 통합은 어떻게 진행되고 있습니까?
위협 CUDA와 함께 작동하도록 dll을 작성하거나 잠시만 기다리면 신경쓰이는 것 외에 GPU에 대한 주제가 하나 더 있습니다.
OpenCL 베타 - 개발 중이며 스토리지는 이미 베타 버전입니다.
다음 주 다음 빌드에서는 마켓과 편집기의 저장 공간이 포함된 것을 기쁘게 생각합니다.
베타 버전의 OpenCL - 개발 중...
다음 주 다음 빌드에서는 마켓과 편집기의 저장 공간이 포함된 것을 기쁘게 생각합니다.
베타 또는 정식 버전?
시장이 완성되었습니다.