신경망에 대한 입력에 공급할 지표 세트를 검색합니다. 논의. 결과 평가 도구. - 페이지 9

 
lea >> :

나는 가격대의 복잡함을 좋아하지 않습니다. 이미 일련의 지표(즉, 변환된 일련의 가격)가 있으므로 이 세트의 차원을 줄여야 합니다.


이러한 목적을 위해 나는 또한 soma 조직 맵의 가능성을 고려하는 것이 좋습니다. 그것들의 도움으로 치수를 줄이는 것이 좋습니다. 또한 상태 배열을 할당합니다. 독립 구성 요소 분석과 같은 분석 변형도 있습니다. 그는 훨씬 더 유망하지만 나는 여전히 완전히 굴복하지 않습니다. 독립 성분 분석에 관심이 있으시면 저에게 알려주십시오.
 
joo >> :

다음은 최적화에 관한 몇 권의 책입니다. 방금 다운로드했지만 여전히 뜨겁습니다.

....... 첨부할 수 없습니다. http://torrents.ru에서 가져왔습니다.


방향을 좀 명확히 해주실 수 있나요?
 
IlyaA >> :
방향을 좀 명확히 해주실 수 있나요?

"최적화" 요청 시:


http://torrents.ru/forum/viewtopic.php?t=1591908e

http://torrents.ru/forum/viewtopic.php?t=2139370e

http://torrents.ru/forum/viewtopic.php?t=1327023e

http://torrents.ru/forum/viewtopic.php?t=711214e

http://torrents.ru/forum/viewtopic.php?t=2346898e

http://torrents.ru/forum/viewtopic.php?t=2123107e

 

감사 합니다 . intriligator는 내 책상 책이었습니다. :) 우리가 자료를 공부할 것이라는 의미에서 그것을 확인합시다.

 

다음은 수학자 친구가 입력 데이터 상관 관계를 제거하는 방법에 대한 질문에 대해 쓴 내용입니다.

"주요 구성 요소 방법이 그대로인 것 같습니다. 여기에 본질이 다소 명확하게 설명되어 있습니다. http://www.statsoft.ru/home/textbook/modules/stfacan.html . 어떻게 하는지 모르겠습니다. 귀하의 경우에는 효과적입니다. 그러나 선형 상관관계는 잘 제거되어야 합니다."

나는 이것을 정리할 것이다.

 

PCA는 데이터 변환 및 차원 축소입니다. 데이터 변환 후 가장 좋은 새로운 입력 데이터를 찾습니다(기준에 따라).

초기 데이터에서 상관되지 않은 데이터를 선택해야 하는 경우 다변량 회귀 규칙을 선택하십시오. 예를 들어, 지표 세트가 있는 경우 통계를 신중하게 정렬할 수 있습니다. 다변량 회귀 프로그램과 올바른 지표 세트를 찾습니다.

 
IlyaA писал(а) >>

이러한 목적을 위해 나는 또한 soma 조직 맵의 가능성을 고려하는 것이 좋습니다. 그것들의 도움으로 치수를 줄이는 것이 좋습니다. 또한 상태 배열을 할당합니다. 독립 구성 요소 분석과 같은 분석 변형도 있습니다. 그는 훨씬 더 유망하지만 나는 여전히 완전히 굴복하지 않습니다. 독립 성분 분석에 관심이 있으시면 저에게 알려주십시오.

PCA에 실패할 경우 자체 구성 맵을 고려할 것입니다.

독립성분 분석에 대해 들어봤는데 그게 뭔지 자세히는 몰랐네요.

이제 매트릭스 라이브러리를 기반으로 PCA를 구현할 계획입니다.

IlyaA 작성 >>

계산은 엑셀로 했습니다.

주석 :)

 
lea >> :
IlyaA 작성 >>

계산은 엑셀로 했습니다.

주석 :)

게다가... MQL5에서 머리로 강도 계산을 프로그래밍하기 시작했다는 생각이 들더라구요.... :)

 
TheXpert >> :

아마도 잘못 사용했거나 준비했다는 뜻입니다.

이미지 압축으로 작업했습니다. 압축 정도(주요 구성 요소의 수)와 입력의 정보 내용에 따라 오류가 0일 때도 있고 아닐 때도 있습니다.

간단한 예를 들어보십시오.

그것은 어트랙터에서 잘 작동합니다. :) 나는 사진에서 그것을 시도하지 않았습니다. 질문은 시리즈의 구조에 있다고 생각합니다. 전처리 안했습니다.

 
joo >> :

iliar님 말씀에 동의합니다. 핏을 잡다

피팅없이 옵션을 제안했습니다. 피팅은 테스트 세트에 맞게 조정하는 것을 의미하며 여기서 완성된 시스템은 테스트 세트에서만 테스트됩니다. 원하지 않으면 사용하지 마십시오. 그것은 당신에게 달려 있습니다.