Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 205
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Provavelmente, você mesmo poderá usar estas funções, se necessário https://www.mql5.com/ru/docs/opencl.
Tenho uma placa de vídeo antiga, o OpenCL não parece suportar. Se eles enfiarem o suporte mesmo dentro da biblioteca, o que acontecerá?
Então eu quis dizer que seria possível escolher o suporte tanto para o vídeo, como para outros núcleos do processador, ou não usar OpenCL em absoluto. É apenas uma oportunidade real para as pessoas comuns verem como aplicar o OpenCL de forma eficaz.
Quando chegarmos aos cálculos pesados, talvez usemos o OpenCL. Mas algo me diz que o uso de CPU com vários núcleos dará resultados aceitáveis e mais garantidos.
Neste momento, não há dúvidas sobre a aceleração. Estamos a trabalhar na funcionalidade básica das bibliotecas.
De acordo com a fórmula no arquivo de ajuda R, isto é calculado usando a fórmula
O problema é que neste caso x^(a-1) = 0^(1-1) = 0^0 que é indefinido, ou seja, não há nenhum ponto em chamar a função com tal parâmetro e nenhum ponto em comparar resultados com outro software. Por 0^0 pode ser diferente em diferentes softwares, dependendo da religião dos desenvolvedores.f(x)= 1/(s^a Gama(a)) x^(a-1) e^-(x/s)
(forma= a e escala= s,parax ≥ 0,a > 0 es > 0)
escala é 1/ taxa por padrão
Dr. Trader:
O suposto erro é que
dgamma(x=0, forma=1, taxa=1,log=FALSO)== 1
De acordo com a fórmula no arquivo de ajuda R, isto é calculado usando a fórmula
O problema é que neste caso x^(a-1) = 0^(1-1) = 0^0, o que é indefinido, ou seja, não vale a pena chamar a função com tal parâmetro e não vale a pena comparar resultados com outro software. Por 0^0 pode ser diferente em diferentes softwares, dependendo da religião dos desenvolvedores.f(x)= 1/(s^a Gama(a)) x^(a-1) e^-(x/s)
(forma= a e escala= s,parax ≥ 0,a > 0 es > 0)
escala padrão para 1/ taxa
Está bem. Acontece que não podemos chamar-lhe uma definição, uma vez que há incertezas.
Você pode traçar o gráfico e certificar-se de que em x=0, a expressão nestes parâmetros tende a 1. Este é um número normal, não há divergências em outros pontos.
Podemos somar toda a densidade, o resultado será algum número (fator de normalização), pelo qual dividimos e obtemos a probabilidade unitária, que é manchada sobre a área de definição. A curva é normalizada, a área sob a curva = 1. Neste caso podemos falar de densidade de probabilidade.
Entretanto, com os parâmetros 0,5 e 1 no ponto x=0, a situação é diferente. O limite, neste momento, é o infinito. Quando se aproxima de 0 tende ao infinito. Também é possível não integrar depois deste ponto, o resultado não mudará. Como normalizar ao infinito? Com esta normalização qualquer curva se transforma em uma linha.
Mas se considerarmos a expressão para funcionar apenas quando x>0, então a expressão pode ser considerada como a definição da função, pois não existem incertezas em x=0. Todos os valores são finitos e nada se quebra.
Esta hipótese explica os resultados que o Mathematica e Matlab dão: no ponto x=0 a densidade=0.
Esta era a questão.
Quando chegarmos aos cálculos pesados, talvez usemos o OpenCL. Mas algo me diz que o uso de CPU com vários núcleos dará resultados aceitáveis e mais garantidos.
Neste momento, não há dúvidas sobre a aceleração. Estamos ocupados a mexer nas funcionalidades básicas das bibliotecas.
Já está. Eu vou esperar pelos desenvolvimentos.
Óptimo. Acontece que não podemos chamar-lhe uma definição, uma vez que há incertezas.
Você pode traçar o gráfico e certificar-se de que no ponto x=0 a expressão tende a 1. Este é um número normal, não há divergências em outros pontos.
Podemos somar toda a densidade, o resultado é algum número (o fator de normalização) pelo qual dividimos e obtemos a probabilidade unitária, que é difusa sobre a área de definição. A curva é normalizada, a área sob a curva = 1. Neste caso podemos falar de densidade de probabilidade.
Entretanto, com os parâmetros 0,5 e 1 no ponto x=0, a situação é diferente. O limite, neste momento, é o infinito. Quando se aproxima de 0 tende ao infinito. Também é possível não integrar depois deste ponto, o resultado não mudará. Como normalizar ao infinito? Com esta normalização qualquer curva se transforma em uma linha.
Mas se considerarmos a expressão para funcionar apenas quando x>0, então a expressão pode ser considerada como a definição da função, pois não existem incertezas em x=0. Todos os valores são finitos e nada se decompõe.
Esta hipótese explica os resultados que o Mathematica e Matlab dão: no ponto x=0 a densidade=0.
Essa era a questão.
Está a dizer que essa transformação para a função delta de Dirac está bem? Porquê tudo o resto?
Diga-me o que acontece ao infinito durante o pgamma no ponto x=0, quando a resposta "correta" como você diz é dada em dgamma(0,0.5,1)=+inf.
Mostrar graficamente as funções e faixas de integração ao calcular pgamma.
Facto interessante
As definições dos valores da densidade de distribuição gama na tradução russa de
Johnson N.L., Kotz S., Balakrishnan N. Univariate distribuições contínuas. parte 1 e a versão anterior em inglês são diferentes:
mas a versão inglesa tem uma suspeita de erro tipográfico devido a sinais diferentes.
Está a dizer que este tipo de conversão para uma função delta de Dirac está bem? Qual é o objectivo de tudo o resto, então?
Diga-me o que acontece ao infinito no processo pgamma em x=0, quando a resposta "correta" como você diz em dgamma(0,0.5,1)=+inf foi dada.