Interpolação, aproximação e afins (embalagem de algibe) - página 15
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
Tudo, eu encontrei um menino normal, bem explicado, imediatamente lembrei de tudo
Ótimo!!!
Então, por enquanto seu problema está resolvido em relação à transformação e mapeamento para o espaço 2 D?
Embora eu não entendesse o russo, mas entendi um pouco a fórmula. É apenas um jogo de co-seno e multiplicação e divisão das magnitudes dos 2 vetores :))
Você tem o código na MQL5 transformado?
Método vetorial de referência
Kernels[editar|editar código]
Um algoritmo para a construção de um hiperplano separador ideal, proposto em 1963 por Vladimir Vapnik e Alexei Chervonenkis, é um algoritmo de classificação linear. Entretanto, em 1992 Bernhard Boser, Isabelle Guillon e Vapnik propuseram uma forma de criar um classificador não linear baseado na transição de produtos escalares para grãos arbitrários, o chamado truque do grão (primeiro proposto por M.Aizerman, Braverman e Rozonoer para o método de função potencial), que permite construir separadores não lineares. O algoritmo resultante é extremamente semelhante ao algoritmo de classificação linear, a única diferença é que cada produto escalar nas fórmulas acima é substituído por uma função de núcleo não-linear (um produto escalar em um espaço de maior dimensão). Neste espaço, já pode existir um hiperplano separador ideal.
Parece que Maxim Dmitrievsky estabelece metas muito próximas daquelas perseguidas pela Vapnik. Devemos procurar na Wapnick uma base para a escolha (e seleção) de funções aproximadas.
Eu li a correspondência em inglês. Por um triz. Acontece que Wapnick, cujas idéias vieram à mente imediatamente após a leitura do TC nº 1, em primeiro lugar, está vivo e, em segundo lugar, ele desenvolveu uma idéia de minimização empírica (média) de risco para redes neurais de aprendizagem de máquinas para um método de vetores de suporte, uma versão não linear da qual é discutida nesta correspondência. VIKI:
Método vetorial de referência
Kernels[editar|editar código]
Um algoritmo para a construção de um hiperplano separador ideal proposto em 1963 por Vladimir Vapnik e Alexei Chervonenkis é um algoritmo de classificação linear. Entretanto, em 1992, Bernhard Boser, Isabelle Guillon e Vapnik propuseram uma forma de criar um classificador não linear baseado na transição de produtos escalares para grãos arbitrários, o chamado truque do grão (primeiro proposto por M.Aizerman, Braverman e Rozonoer para o método de função potencial), que permite construir separadores não lineares. O algoritmo resultante é extremamente semelhante ao algoritmo de classificação linear, a única diferença é que cada produto escalar nas fórmulas acima é substituído por uma função de núcleo não-linear (um produto escalar em um espaço de maior dimensão). Neste espaço, já pode existir um hiperplano separador ideal.
Maxim Dmitrievsky parece estar estabelecendo metas muito próximas daquelas perseguidas pela Vapnik. Devemos procurar na Wapnick uma base para selecionar (e selecionar) funções de uproximating.
Sim, obrigado. Conferência Yandex com um cientista russo em inglês, uma vergonha
Sim, obrigado. Conferência Yandex com cientista russo em inglês, uma vergonha
Ele chegou a viver nos EUA em 1990, quando tinha 54 anos de idade. Não é de admirar que ele pronuncie palavras em inglês com sons russos. Não vejo nada de embaraçoso. Ele fala muito claramente, como a maioria das pessoas para as quais o inglês não é sua primeira língua. Pense na pronúncia do grego Demis Roussos, incrivelmente clara e separada para as canções.
Yandex é uma empresa russa. É uma pena que eles estejam fechando seus acadêmicos e aqueles que querem aprender com eles em russo.
Eles têm até mesmo descrições de seus próprios algoritmos de aprendizagem de máquinas, tudo em inglês.Oi Maxim,
Então você progrediu ainda mais com o código que estava preso anteriormente?
P = cvxopt.matrix (np.outer (y, y) * K) q = cvxopt.matrix (np.ones (n_samples) * - 1 ) A = cvxopt.matrix (y, ( 1 , n_samples)) b = cvxopt.matrix ( 0.0 )Oi Maxim,
Então você progrediu ainda mais com o código que estava preso anteriormente?
Não podemos usar núcleos desta maneira, porque este algoritmo funciona apenas com produtos internos, e eu não sei como mapear as características de volta aos vetores.
Não podemos usar núcleos desta maneira, porque este algoritmo funciona apenas com produtos internos, e eu não sei como mapear as características de volta aos vetores.
Bem, esta é exatamente a principal função da função do núcleo.
Mas não podemos mapear as características de entrada e saída usando a função kernel. Esse não é o trabalho da função de núcleo. A função kernel apenas torna o processo de classificação mais rápido e fácil, mapeando os pontos de preço para dimensões mais altas.
O mais importante, mesmo que você mapeie uma característica, por exemplo, uma vela a um preço próximo a um espaço 3D. O valor próximo da vela não vai mudar em 3D. É muito normal, mesmo se você o mapear de volta para 2D.
É quando o spline vem à tona para a interpolação de preços e eu acho que você já conhece o spline. Ou seja, alimentamos os dados em termos de spline e fazemos a classificação por kernels.
Agora, se você está procurando mapear as características, então, por favor, especifique exatamente o que você está tentando mapear em termos de preço. Quer dizer, você está tentando mapear a vela fechada, os preços da vela aberta, e assim por diante.
Oi Maxim,
Desculpe-me por incomodá-lo novamente. Só pensei em verificar rapidamente com você se ainda está trabalhando em seu projeto de RDF.
Estou tentando melhorar seu RDF atual, assim como estou tentando integrar algo de reforço píton com MQL. Por isso, pensei em colaborar apenas com outros programadores que estejam interessados.
Você pode me atualizar se ainda estiver trabalhando nisso e até onde você progrediu até agora.
Tenho poucas idéias interessantes para implementar com o RDF que posso compartilhar com vocês junto com o código fonte da MQL5 e ainda estou para aprender a ponte entre Mt5 e python.
Obrigado ...
Oi Maxim,
Desculpe-me por incomodá-lo novamente. Só pensei em verificar rapidamente com você se ainda está trabalhando em seu projeto de RDF.
Estou tentando melhorar seu RDF atual, assim como estou tentando integrar algo de reforço píton com MQL. Por isso, pensei em colaborar apenas com outros programadores que estejam interessados.
Você pode me atualizar se ainda estiver trabalhando nisso e até onde você progrediu até agora.
Tenho poucas idéias interessantes para implementar com o RDF que posso compartilhar com vocês junto com o código fonte da MQL5 e ainda estou para aprender a ponte entre Mt5 e python.
Obrigado ...
Oi, sim, eu tento várias idéias que são parcialmente discutidas aqui https://www.mql5.com/ru/forum/86386/page1056