Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1912
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
Por outras palavras, o algoritmo irá atribuir um peso excessivamente elevado a estes dois vectores próximos....
Mas por que não é razoável? se algo é repetido muitas vezes diz-se 100 vezes e dá algum resultado estatisticamente significativo, então é apenas adequado dar mais peso a ele do que a um exemplo com uma observação e um resultado pouco claro.
1) você já viu nuvens 100 vezes e choveu 70% do tempo.
2) o seu joelho coçou uma vez e choveu.
por que você acha que esses dois padrões devem ter o mesmo peso? o mundo inteiro pensa diferente, assim como a neurônica :)
Mas por que não se justifica? Se algo é repetido frequentemente, digamos 100 vezes e dá um resultado estatisticamente significativo, é adequado dar-lhe mais peso do que um exemplo com uma observação e um resultado pouco claro.
1) você já viu nuvens 100 vezes e choveu 70% do tempo.
2) o seu joelho coçou uma vez e choveu.
por que você acha que esses dois padrões devem ter o mesmo peso? o mundo inteiro pensa o contrário, assim como a neurônica :)
e estas estatísticas não te ensinam nada?
Você ganha dinheiro 100 vezes e ganha XZix vezes.
;)
Mas por que não se justifica? Se algo é repetido frequentemente, digamos 100 vezes e dá um resultado estatisticamente significativo, é adequado dar-lhe mais peso do que um exemplo com uma observação e um resultado pouco claro.
1) você já viu nuvens 100 vezes e choveu 70% do tempo.
2) o seu joelho coçou uma vez e choveu.
por que você acha que esses dois padrões devem ter o mesmo peso? o mundo inteiro pensa o contrário, assim como a neurônica :)
Os colegas me perdoam generosamente, mas eu me perdi no meu depoimento. Embora eu tenha um conjunto de treino que consiste em menos filas do que colunas. No entanto, o treinamento em si é realizado em uma amostra de 11 colunas. Seja como for, não o fiz de propósito. Eu não sabia o que estava a fazer :-(
(Perdoe-me) se você foi atencioso, você entendeu isso...
Mas ainda não ouvi a resposta à minha simples pergunta - PORQUÊ são valores únicos melhores do que os estatisticamente significativos?
Também se você quiser fazer todas as filas únicas eu lhe dei uma idéia de como fazer isso, por que você não faz?
===============================================
Vídeo legal - como e de que forma os problemas REAIS foram resolvidos no MO , há um problema com a BP também, muito interessante
perdoem-me) aqueles que olharam pensativamente compreenderam...
Mas ainda não ouvi a resposta à minha simples pergunta - PORQUÊ são valores únicos melhores do que os estatisticamente significativos?
Também se você quiser fazer todas as filas únicas eu lhe dei uma idéia de como fazer isso, por que você não faz?
===============================================
Vídeo legal - como e de que forma os problemas REAIS foram resolvidos no MO , há um problema com a BP também, muito interessante
Sim, obrigado pelo código, eu guardei-o mas ainda não o estudei... Acho que vou estar a olhar para ele na semana...
Porque os vectores estatisticamente significativos podem ser utilizados de frente, sem NS. Ao aprender NS será melhor aprender aqueles vetores que estão agrupados na mesma área. Se no futuro os mesmos vetores aparecerem, tudo bem, mas se um vetor aparecer num futuro próximo, mas for de outra classe, a rede cometerá um erro de 100%, pois não afirmou que este grupo pertence a uma determinada classe. IMHO
Os mesmos vetores, então está OK, mas se um vetor aparecer nas proximidades, mas é de uma classe diferente, então a rede irá cometer um erro de 100%, porque notificou que este grupo pertence a uma classe específica. IMHO
Ahhhhhh, bem, eu percebi o teu ponto de vista...
Olha, desculpa ter-me passado contigo, às vezes não estou bem.
A questão é como uma rede neural prevê o desejo do banco de comprar ou vender um determinado volume de moeda (por exemplo)? Qualquer rede neural só pode pegar a inércia na direção quando volumes especulativos são vendidos e o preço está se movendo ativamente. Mas uma rede neural nunca mostrará o tempo exato de entrada do participante que irá alterar o preço (price driver), embora não seja necessário - em 99% se você souber como identificar o price driver e sua direção suas transações serão sempre antes da implementação e você terá um lucro estável. A minha empresa também tem um departamento de comércio algorítmico, mas está mais focada no escalonamento muito rápido - a rede neural também capta a inércia dos algoritmos de enxerto e, com base na sua análise, os nossos robôs fazem negócios copiando completamente o enxerto (apenas para certos mercados e símbolos). A negociação básica é feita à mão à moda antiga porque o condutor do preço não pode ser previsto (e não é necessário), você só pode vê-lo = o carro mostrará o indicador antes de mudar de direção (você entende que a rede neural não pode prever quando o indicador deste ou daquele carro vai ligar).
decidiu ver como seriam os dados típicos para a formação 3d de NS ))
os dados são 31 indicadores, o alvo é um ziguezague
diminuí a dimensionalidade para três dimensões com três algoritmos - pca, t-sne , ump (os dois últimos são considerados os mais avançados)
o que é afinal -https://en.wikipedia.org/wiki/Dimensionality_reduction
how it can help -https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8
Então dados 31 indicador alvo em ziguezague , primeiro temos o PCA
próximo t-sne
umap
como podemos ver, não podemos dividi-lo por classes, então ou o alvo é lixo ou características, ou todos eles juntos))))
Uma superfície com boa separabilidade deve ser assim, mas há três classes aqui, mas eu acho que você vai entender a idéia
uma pergunta - como uma rede neural prevê o desejo do banco de comprar ou vender um determinado volume de moeda (por exemplo)?
grandes compras não são feitas num segundo, leva tempo, durante este tempo o preço irá mostrar um padrão para estas compras, este padrão pode ser tentado encontrar com a ajuda de algoritmos de aprendizagem da máquina