Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1734
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Очевидно да не очень видимо )) Если вы хотите обучить сеть распознавать разрушенный дом то обучаете ее на разрушенных домах. А не даете ей целый дом и мудрствуете , а как же она будет представлять разрушенный дом... Очевидно же!! Реter Konow:
Реter Konow:
Ваши ответы тоже зрелостью не отличаются. Еще раз повторю: разрушенный предмет имеет слишком большие отличия от целого, и потому, энтропию в его изображении нельзя побороть увеличивая обучающую выборку. Эта выборка может стать бесконечной или перепутается с другими выборками. Это даже мне очевидно.
Вообще то алгоритм разрушения кирпичной стены и его визуализация сделан давно, вопрос в знании факторов разрушения, если мы их знаем, то дом восстанавливается))))
Очевидно да не очень видимо )) Если вы хотите обучить сеть распознавать разрушенный дом то обучаете ее на разрушенных домах. А не даете ей целый дом и мудрствуете , а как же она будет представлять разрушенный дом... Очевидно же!!
Это то же самое что я ответил с самого начала
mytarmailS:какая разница сломан дом или не сломан, сеть учиться тому что ее учат
Воспользуйтесь воображением на секундочку. Сколько вариантов разрушения домов может быть? Бесконечно. Это значит, что можно научить распознавать один или несколько типов разрушенных домов, но никак не все. Если форма разрушения заранее неизвестна, какой смысл обучать сеть и надеятся, что встречающиеся разрушенные дома будут укладываться в обучающую выборку? Следовательно, сеть будет работать со случайным, колебающимся успехом и непредсказуемым процентом узнавания.
Мне думается, нужен другой подход.
Вообще то алгоритм разрушения кирпичной стены и его визуализация сделан давно, вопрос в знании факторов разрушения, если мы их знаем, то дом восстанавливается))))
Энтропия, - мера хаоса, что присутствует в любом разрушенном объекте. Восстановление целого из хаотичного состояния - это борьба с энтропией. Но, есть ли у нас формула? Есть. Эта формула - интеллект. Он собирает единый образ из частей, минуя хаос и беспорядок. Складывает части в уравнение и получает целый предмет в результате.
Вывод: Интеллект использует НС в узнавании, но не зависит линейно от обучающей выборки. Благодаря симбиозу с Интеллектом, эффективность НС вырастает многократно.
Он собирает единый образ из частей,
минуя хаос и беспорядок.
Складывает части в уравнение и получает целый предмет в результате.
Спектральный анализ !!! :)
Спектральный анализ !!! :)
Типа того...)))
делай как знаешь но сделай OOS
хочу глянуть
короче не работает такая метода ) но было весело..
моя работает лучше, которая статьях
короче не работает такая метода ) но было весело..
моя работает лучше, которая статьях
печалька )
лаг увеличивал?, каждая минутка это слишком тонко может бытьПросто нужно взять и проверить методу. Просто сам я это не в жизь не сделаю, во первых буду делать это люто долго, я тут R вспоминал, так датафрейм делал часа четыре с непривычки пока разобрался, подсказать то особо не кому. Да и то что я сделаю 100 процентов будет с кучей ошибок. А тут нужно собрать скрипт в R, реализующий весь перечисленный выше алгоритм и проверить его на реалиях. Даже если самый сложный параметр ТС такой как "ГАРАНТИРОВАННОСТЬ" будет 3 из 5 уже можно будет зарабатывать.
Знал бы как уже сделал. И я бы прогназировал максимум 1 перегиб и переобучал на каждом баре.
Я бы разбил эту задачу на 3 части: подготовка данных, разбиение на составляющие и прогнозирование. Первые 2 знаю как сделать, а с прогнозированием проблема. Хотелось бы на НС сделать, но это непаханое поле, к тому же со времен НШ плотно не занимался.
Если по быстрому, для поиграться, можно взять машки и предсказывать с помощью этих индикаторов. Параметры подобрать в оптимизатире.
Не понимаю, эти фигуры Лисажу что показывают, связь между двумя компонентами в разложении? То есть в разложении есть две компоненты, которые сдвинуты одна относительно другой? Условные sin и cos. Это же избыточно, можно же заменить чем то одним с другой начальной фазой.
печалька )
лаг увеличивал?, каждая минутка это слишком тонко может бытьприращения виноваты, наверное. Не работает, даже если покупать каждый час
Знал бы как уже сделал. И я бы прогназировал максимум 1 перегиб и переобучал на каждом баре.
Я бы разбил эту задачу на 3 части: подготовка данных, разбиение на составляющие и прогнозирование. Первые 2 знаю как сделать, а с прогнозированием проблема. Хотелось бы на НС сделать, но это непаханое поле, к тому же со времен НШ плотно не занимался.
Если по быстрому, для поиграться, можно взять машки и предсказывать с помощью этих индикаторов. Параметры подобрать в оптимизатире.
Не понимаю, эти фигуры Лисажу что показывают, связь между двумя компонентами в разложении? То есть в разложении есть две компоненты, которые сдвинуты одна относительно другой? Условные sin и cos. Это же избыточно, можно же заменить чем то одним с другой начальной фазой.
Сразу видно адекватного человека. Частотный анализ только так и используется до первого тирэ второго преломления максимум, просто бывают такие параметры которые позволяуют работать цыклу значительно дольше в плоть до 10 сигналов. Но всё что дальше второго приломления уже на уровне повезло не повезлоё.
Не понимаю о каком прогнозировании идёт речь CSSA не прогнозирует, она выделяет частоту которая опережает котировку и использует её в общих чертах. Там на зелёном окне указаны две частоты, и если присмотрется то одна опережает другую.
Совершенно верно две компоненты одна из которых это сам клозе, а вторая это найденный цикл который состоит из двух компонент указанных в зелёном окне где точки их пересечения являются перегибави цикла и по времени эти перегибы раньше чем перегиб самого клоса.
Там ещё была речь про то что можно как то смотреть чтоб именно используемый нами цикл опережает цикл клоса, а не наоборот. Точно не помнь. Дела давно минувших дней.