Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 371

 
Dimitri:


Ainda não percebi - correlação inversa ou sem correlação?

Ou você acha que se duas séries aleatórias têm um coeficiente de correlação de -1, então elas "não têm correlação"?

Yoeklmn.....


ah... Eu tenho-o imediatamente )) Eu tenho-o imediatamente...
 
Dmitry:


1. ninguém está a analisar a correlação - trata-se da escolha dos preditores.

2. você repetiu meu ponto três páginas antes -"Dependência é um caso especial de correlação. Se duas variáveis são dependentes, então há definitivamente uma correlação. Se há correlação, então não há necessariamente dependência".

3. a centralidade cruzada, tal como a correlação, não dará uma resposta sobre a presença de dependência funcional


1) Primeiro você mesmo transmite para correlação, depois apaga mensagens, depois não se lembra do que escreveu sobre algumas páginas atrás.

Dimitri:

Todos os MO se baseiam no fato de que as variáveis de entrada devem estar correlacionadas com a variável de saída.


2) Não, eu disse que pode haver uma dependência, mesmo onde não há correlação.


3) Cross-entropy. Você pode estimar um grande conjunto de preditores em relação a um alvo de uma só vez. Quando cada um dos preditores não é capaz de prever isso, mas uma certa combinação deles é. Infelizmente, isso não é verdade para forex, mas em geral a seleção de preditores através de cross-entropy é muito melhor para a aprendizagem da máquina do que a seleção através de correlação.

 
Dr. Trader:


2) Não, eu disse que pode haver uma correlação, mesmo onde não há correlação.



Não pode haver dependência onde não há correlação. A correlação pode ser linear ou não-linear, mas será se houver dependência.

Pode haver correlação onde não há correlação - uma falsa correlação.

Eu não apaguei um único post neste tópico.

 

Eu não posso (não sei porquê) fazer o download do livro para dar provas.

Quem tiver a oportunidade, baixe e poste uma foto de exemplo aqui para parar com as brigas ociosas.

Bendat J., Pearsol A.

Análise Aleatória de Dados Aplicada: Traduzido do inglês: World, 1989.

Para dentro. 126

EXEMPLO 5.4. VARIÁVEIS ALEATÓRIAS DEPENDENTES NÃO CORRELACIONADAS.


.

ss

O exemplo é muito revelador.

 
A correlação das variáveis não significa que a previsão seja possível. Os pares podem ser correlacionados. Ou seja, eles estão correlacionados, mas você não pode prever um através do outro porque eles estão mudando simultaneamente, e certamente não antes do tempo. Isto é, se falarmos de correlação!!!!
 
Dimitri:

Dois preditores igualmente correlacionados - o que é que deitamos fora com base numa correlação mais baixa? Qual deles está menos correlacionado?

Dmitry, desculpa, mas suspeito que ou estás a tentar enganar-me, ou a brincar, ou apenas estúpido, com todo o respeito... Não se pode ver de um exemplo trivial que dois atributos têm ambos correlação zero com o alvo, MAS ambos são significativos, nenhum deles pode ser descartado, a correlação linear é zero, não 100% linear, ou seja, a correlação pode ser zero e o conjunto de dados é totalmente previsível, o que você afirma:

Dimitri:

Todos os MO se baseiam no fato de que as variáveis de entrada devem estar correlacionadas com a variável de saída.

Caso contrário, não faz sentido em TODOS os modelos MO.

Recusa-a completamente.

 
Dimitri:


Não pode haver dependência onde não há correlação. A correlação pode ser linear ou não-linear, mas será se houver dependência.

Falso novamente, não há correlação não-linear é uma estrutura matemática definida RAMENTE como adição ou cosseno, pelo menos estude wikipedia antes de falar bobagens.
 
Oleg avtomat:

Eu não posso (não sei porquê) fazer o download do livro para dar provas.

Quem tiver a oportunidade, baixe e poste uma foto de exemplo aqui para parar com as brigas ociosas.

Bendat J., Pearsol A.

Análise Aleatória de Dados Aplicada: Traduzido do inglês: World, 1989.

Para dentro. 126

EXEMPLO 5.4. VARIÁVEIS ALEATÓRIAS DEPENDENTES NÃO CORRELACIONADAS.


.

ss

O exemplo é muito revelador.


http://sci.alnam.ru/book_dsp.php

só que não há foto na página 126

 

Porque estão todos tão obcecados com a correlação?

Na aprendizagem mecânica, existe um conceito de "importância - importância" das variáveis, que não tem nada a ver com correlação alguma. O cálculo é muitas vezes incorporado no próprio algoritmo de aprendizagem da máquina.

Por exemplo, em uma floresta aleatória.

De um subconjunto inteiro de preditores, talvez várias centenas, algumas peças são selecionadas e o algoritmo interno é usado para ver se os valores desses preditores predizem um determinado valor da classe. Ou são aceites ou descartados.

No final, eles olham através de todos os nós da árvore e vêem quantas vezes um preditor foi usado em cada nó da árvore - isso revela a importância dos preditores.


Continuo a tentar reunir a equipa para discutir os desenvolvimentos existentes nesta área, que são muito mais informativos do que exercícios de correlação.

 
SanSanych Fomenko:

Porque estão todos tão obcecados com a correlação?

Na aprendizagem mecânica, existe um conceito de "importância - importância" das variáveis, que não tem nada a ver com correlação alguma. O cálculo é muitas vezes incorporado no próprio algoritmo de aprendizagem da máquina.

Por exemplo, em uma floresta aleatória.

De um subconjunto inteiro de preditores, talvez várias centenas, algumas peças são selecionadas e o algoritmo interno é usado para ver se os valores desses preditores predizem um determinado valor da classe. Ou são aceites ou descartados.

No final, eles olham através de todos os nós da árvore e vêem quantas vezes um preditor foi usado em cada nó da árvore - isso revela a importância dos preditores.


Tudo o que estou tentando fazer para que a equipe discuta desenvolvimentos já existentes nesta área, que são muito mais informativos do que exercícios em correlação.


e alglieb também tem uma floresta escura, a propósito... podes usá-la sem sair do mt5