Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 993
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
Ai é? Agora que penso nisso, lês os teus posts? Bem, só as bolas são mais frescas do que o Maxim).
Aaahhhhhhh... Isso é engraçado, obrigado! Sim, personagem engraçado, banda desenhada.
Yuri, mais uma vez - o princípio está certo.
Mas, veja, a coisa é - mesmo idéias legais não ressoam com as pessoas se não houver sinal (como um passaporte) ou são negativas como as minhas. Eu vejo no meu exemplo - bem, não há saldo positivo....
Mas, veja, a coisa é que mesmo grandes idéias não ressoam com as pessoas se não há sinal (como um passaporte) ou é negativo como o meu. Eu vejo isso no meu próprio exemplo - bem, não há saldo positivo, ao que parece - pegar a bandeira, levar o trabalho até o fim, por favor, pessoal. Não - ninguém está interessado.
O mesmo se aplica a este tema.
Bem, ninguém tem "equidade no céu" ou qualquer outra equidade, e é isso - o tema torna-se imediatamente passé e desinteressante.
A conclusão é que cada sujeito deve ter um "homem com um sinal". Um positivo! Então a vida começa.
Estamos à espera deste homem. Nós esperamos e acreditamos.
Devo admitir que nunca me interessei pelos sinais de alguém ou mesmo pelos relatórios em tempo real. Não vejo qual é o objectivo. Eu não entendo esta aspiração universal.
Não, eu sou como muitas pessoas - interessadas.
É uma medida de inteligência, não importa como você olhe para ela. Eu, por exemplo, tenho um homem com sinais decentes como amigo. Isso me inspira e me faz trabalhar repetidamente, porque eu posso realmente ver que é possível fazer dinheiro no Forex. Eu nunca estive acostumado a tal tipo de negociação, e tenho certeza que ainda vai demorar muito tempo.
Não, eu sou como muitas pessoas - interessadas.
É uma medida de inteligência, não importa como você olhe para ela. Eu, por exemplo, tenho um homem com sinais decentes como amigo. Isso me inspira e me faz trabalhar repetidamente, porque eu posso realmente ver que é possível fazer dinheiro no Forex. O facto de eu pessoalmente não ser capaz de o fazer - bem, ainda não é a noite.
Estou a ver, precisas de alguns estímulos externos. Não se pode passar sem eles).
A coisa mais importante que esqueci de dizer é que essa pessoa, bem, não usa redes neurais de nenhuma maneira.
Estou absolutamente convencido de que se alguém tivesse demonstrado tais resultados neste tópico, todo o fórum seria rebitado aqui, porque NS é uma coisa engraçada. Mas, infelizmente, sem esse ponto importante, não há nada para ver ou ler aqui. IMHO.
A coisa mais importante que esqueci de dizer é que essa pessoa, bem, não usa redes neurais de nenhuma maneira.
Estou absolutamente convencido de que se alguém tivesse demonstrado tais resultados neste tópico, todo o fórum seria arrastado para aqui, porque NS é uma coisa engraçada. Mas, infelizmente, sem esse ponto importante, não há nada para ver ou ler aqui. IMHO.
porque não aplicável?
Porquê retórica?
O PCA é uma transformação linear + problemas de reprodutibilidade.
"Transformada de Fourier, wavelets, singular espectral, etc. - algoritmos de decomposição
Tsne é um excelente algoritmo de redução de dimensionalidade para visualização. Ele precisa de todo o conjunto de dados para funcionar. Não pode funcionar com novos dados únicos. É possível (algumas fontes dizem) adaptá-lo para ser utilizado não só com conjuntos de comboios/teste, mas também com novos dados únicos. Não funcionou para mim e não encontrei nenhum artigo com uma implementação bem sucedida do Tsne para downsizing predictors no MO.
Retórica porque aparentemente ainda não tentou este algoritmo. Caso contrário, não o teria sugerido para redução da dimensão... Embora se você tiver resultados sobre este algoritmo, por favor, compartilhe.
Boa sorte.
PCA - transformação linear + problemas de reprodutibilidade.
"Transformada de Fourier, wavelets, singular espectral, etc. - algoritmos de decomposição
Tsne é um excelente algoritmo de redução de dimensionalidade para visualização . Ele precisa de todo o conjunto de dados para funcionar. Não pode funcionar com novos dados únicos. É possível (algumas fontes dizem) adaptá-lo para ser utilizado não só com conjuntos de comboios/teste, mas também com novos dados únicos. Não funcionou para mim e não encontrei nenhum artigo com uma implementação bem sucedida do Tsne para baixar a dimensionalidade dos preditores no MO.
Retórica porque aparentemente ainda não tentou este algoritmo. Caso contrário, não o teria sugerido para redução da dimensão... Embora se você tiver resultados sobre este algoritmo, por favor, compartilhe.
Boa sorte.
Olha, a pessoa narrou um problema com demasiados dados para classificar, eu sugeri uma solução...
PCA é também um algoritmo de decomposição, se não me engano, assim como outros, apenas se consegue decomposição e redução da dimensionalidade (algo é expulso, e algo é deixado para trás)
Que todos esses algoritmos não trarão nenhum benefício (exceto que reduzem a dimensionalidade), é outra questão e não se trata de algoritmos, mas dos dados em si.
Não sei de novos dados, já vi exemplos de tsne com trem e teste na Internet, mas acho que você também viu
Quanto ao tsne, pode ser um grande algoritmo, mas funciona da mesma forma que os outros, por isso tentei dividi-lo em classes, mas nada de interessante saiu dele, por isso desisti. Não sei de novos dados, vi exemplos de tsne trabalhando com um trem e testando na internet, mas provavelmente você também viu isso
"PCA", transformada de Fourier, wavelets, etc... do novo t-sne. Com a ajuda deles você pode fazer 5x em 100 ns de entradas e quase ter a mesma qualidade.