Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1919

 

Uma imagem como esta


dá este gráfico do lucro


 
Aleksey Vyazmikin:

como tirar uma foto da tela, é assim que ela pode ser salva e depois basta carregá-la a partir de uma folha em branco e o modelo aparece?

Sim

Aleksey Vyazmikin:

É assim que você interpreta este tipo de empilhamento?

Bem, é um aglomerado, parece-se com objetos no espaço multidimensional combinados em tais aglomerados em três dimensões, para que você possa olhar para seus dados dimensionais 100-500 em três dimensões, e de alguma forma estimar sua estrutura

Aleksey Vyazmikin:

A propósito, como é que se fixa as cores das aulas à força - não percebo o que é o quê?

Lá, as cores já estão definidas através do alvo variável, você vê que há três cores, este é o seu alvo em três classes

 

A propósito, a imagem acima com as ilhas está depois do meu método de conversão de previsão, e é assim que a amostra original se parece, antes da conversão


Duas nebulosas...

Os dados são essencialmente os mesmos, mas o resultado, mesmo visualmente, é diferente. Por isso não sei como usar esta ferramenta, excepto como uma estimativa da prontidão da amostra para aprender....

 
Aleksey Vyazmikin:

Por exemplo, um modelo 3D que se abre em uma janela separada e você não pode nem mesmo fazer uma captura de tela, você pode salvá-lo assim e depois basta carregá-lo a partir de uma folha em branco e o modelo aparece?

você pode até reconhecer novos dados com ele

 
mytarmailS:

Bem, são clusters, parece que objetos no espaço multidimensional se aglomeraram em três dimensões, para que você possa olhar para seus dados dimensionais 100-500 em três dimensões, e de alguma forma estimar sua estrutura

Talvez o alvo deva ser pelo número destas ilhas? Eu não entendo a avaliação qualitativa desta visualização.

Vejo que o verso é preto e o resto é 1,2,3 - como traduzo isto em cores?

target <- as.factor(target)  #   target нужен для того чтобы окрасить точки в цвет целевой

scatter3d(x = um.res[,1], 
          y = um.res[,2], 
          z = um.res[,3],
          groups = target,
          grid = FALSE, 
          surface = FALSE,
          ellipsoid = FALSE,
            bg.col = "black")
 
mytarmailS:

você pode até reconhecer novos dados com ele

Como assim, que dados? De onde?

 
Aleksey Vyazmikin:

Talvez o alvo deva ser pelo número destas ilhas? Eu não entendo a avaliação qualitativa desta visualização.


Você tem que entender que estes clusters são uma realidade objectiva, a verdadeira estrutura dos seus dados...

o seu alvo é uma realidade subjectiva, é por isso que as suas etiquetas de classe não têm nada a ver com a estrutura de cluster

Olhe para o exemplo e você vai entender tudo.


tem de especificar a cor - o verso é preto, enquanto outros são 1,2,3 - como se traduz isto em cor?

Veja no manual, nos comentários, há de tudo

 
Aleksey Vyazmikin:

Como assim, que tipo de dados? De onde?

)))

Como com as redes Forrest usuais, novos dados apareceram, eles podem ser reconhecidos pelo modelo salvo

 
mytarmailS:

Você tem que entender que estes clusters são uma realidade objectiva, a verdadeira estrutura dos seus dados...

O seu alvo é uma realidade subjectiva (auto-realidade), por isso as suas etiquetas de classe não têm nada a ver com a estrutura dos clusters.

Então, eu estava me perguntando, e se dividíssemos esta amostra nestas ilhas e fizéssemos treinamento modelo dentro delas.

Diferentes grupos indicam diferentes factores que afectam os resultados, ou melhor, os seus diferentes pesos.

Só como esta divisão deve ser feita...


Aqui, a propósito, de outro ângulo, todos os mesmos dados completos - 4 clusters são visíveis


 
Aleksey Vyazmikin:

Por isso não sei como usar esta ferramenta, excepto como uma avaliação da prontidão da amostra para o treino....

Utilizar como pretendido - visualização do espaço multidimensional para avaliar a estrutura de dados, se existem clusters ou se é uma nuvem de pontos, etc.