Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2405
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
Решил сравнить метрики близости между собой, какие лучше всего подходят для распознавания рыночных данных...
Самая распространенная метрика "евклидова" она применяется практически в 99% случаев и является что то типа стандарта в МО..
практически все кластеризаторы работают на ней..
Итак сравнивалось 24 метрики на адекватность распознавания новых рыночных данных..
список метрик и результат ошыбки
Как видно евклид далеко не лучшее решение для цен ))
Решил сравнить метрики близости между собой, какие лучше всего подходят для распознавания рыночных данных...
Самая распространенная метрика "евклидова" она применяется практически в 99% случаев и является что то типа стандарта в МО..
практически все кластеризаторы работают на ней..
Итак сравнивалось 24 метрики на адекватность распознавания новых рыночных данных..
список метрик и результат ошыбки
Как видно евклид далеко не лучшее решение для цен ))
А кластеризатор их посчитает равными.
Это если у вас только цены на входе. А если еще и время от 0 бара до того на котором вы смотрите цену, а если еще объемы (тик/реал) или еще что-то. Евклидово, да и вообще любое расстояние между фичами будет неадекватно. Как можно уравнять 5 пунктов цены, 5 минутных баров, 5 часовых баров, 5 лотов объема? Никак.
А кластеризатор их посчитает равными.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Иногда можно для нормализации признаков использовать их функцию распределения для СБ. Например, длины колен зигзага для СБ распределены по экспоненциальному закону и тд. Если распределение точно неизвестно, то можно его построить приближённо, посредством моделирования Монте Карло.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Теплое с пушистым это хотеть сравнивать -
5 часовых баров и 5 лотов объема
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Почему у всех знаменитых математиков такие заковыристые фамилии?
Почему у всех знаменитых математиков такие заковыристые фамилии?
Индиец же) У них там есть и позаковыристее)