Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2780

 
Maxim Dmitrievsky #:

да, она же корреляция 21-го века

или http://www.exploredata.net/

а что лучше? этот вариант или тот в scikit-learn

https://minepy.readthedocs.io/en/latest/python.html

 
Evgeni Gavrilovi #:

а что лучше? этот вариант или тот в scikit-learn

https://minepy.readthedocs.io/en/latest/python.html

оба хорошие, minepy более навороченный, давно юзал, не помню какие отличия

не очень поддерживаю подход выбора из кучи бессмысленных признаков посредством взаимной информации, скорее для быстрой оценки ТС норм

я бы даже попробовал загнать в оптимизатор, в качестве составной части комбинированного критерия оптимизации, кто гоняет через генетику

 
Uladzimir Izerski #:

Не вижу с тобой перспектив. Извини.

Да нормально все... 

P. S. Только не говори потом что МО не работает

 
Evgeni Gavrilovi #:

Для этого подходит взаимная информация? 

https://scikit-learn.org/stable/modules/generated/sklearn.feature_selection.mutual_info_classif.html

Это между двумя рядами случайных чисел. А нужно между номинальной и случайно.

Что за программа? нафиг она нужна. 

Надо брать ТОЛЬКО R, специализированная система статистики -  эталон в области статистики.

 
Evgeni Gavrilovi #:

а что лучше? этот вариант или тот в scikit-learn

https://minepy.readthedocs.io/en/latest/python.html

Оба дурью маетесь.

Все написано, в большом количестве, тысячи пользователей гарантируют работоспособность, прекрасный справочный аппарата, включая теорию..

Берите пакеты R. 

 
СанСаныч Фоменко #:

Это между двумя рядами случайных чисел. А нужно между номинальной и случайно.

Что за программа? нафиг она нужна. 

Надо брать ТОЛЬКО R, специализированная система статистики -  эталон в области статистики.

Саныч, это уже маразм подкрался незаметно
 
Maxim Dmitrievsky #:
Саныч, это уже маразм подкрался незаметно

Не скатывайтесь на личности. Не стоит. 

 
СанСаныч Фоменко #:

Не скатывайтесь на личности. Не стоит. 

Это в порядке юмора. R-юзерам не понять )

вы приведите какой-нибудь конкретный пакет, чем он лучше остальных и прочее. Есть только один способ посчитать энтропию и несколько вариаций на тему, поэтому все работает одинаково хорошо

букавки в коде похожие

тем более это ссылка на пакет для питона, миллионы пользователей которого гарантируют работоспособность :D

r-юзеры почему-то очень сильно напоминают саентологов или свидетелей Иеговы, прости господи
 
Maxim Dmitrievsky #:


r-юзеры почему-то очень сильно напоминают саентологов или свидетелей Иеговы, прости господи

Господа? )))

 
Maxim Dmitrievsky #:

Это в порядке юмора. R-юзерам не понять )

вы приведите какой-нибудь конкретный пакет, чем он лучше остальных и прочее. Есть только один способ посчитать энтропию и несколько вариаций на тему, поэтому все работает одинаково хорошо

букавки в коде похожие

тем более это ссылка на пакет для питона, миллионы пользователей которого гарантируют работоспособность :D

r-юзеры почему-то очень сильно напоминают саентологов или свидетелей Иеговы, прости господи

Реклама не должна отрываться от реальности, так как интересны не вообще пользователи, а пользователи-специалисты в статистике.


За два клика нашел по энтропии

Entropy

  • RTransferEntropy measures information flow between time series with Shannon and Renyi transfer entropy.
  • An entropy measure based on the Bhattacharya-Hellinger-Matusita distance is implemented in tseriesEntropy.
  • Various approximate and sample entropies are computed using TSEntropies.

а вот пакет по использованию теории информации  Information


Ранее называл другие пакеты по вычислению связи учителя и предикторов.

RTransferEntropy: Measuring Information Flow Between Time Series with Shannon and Renyi Transfer Entropy
RTransferEntropy: Measuring Information Flow Between Time Series with Shannon and Renyi Transfer Entropy
  • cran.r-project.org
Measuring information flow between time series with Shannon and Rényi transfer entropy. See also Dimpfl and Peter (2013) < doi:10.1515/snde-2012-0044 > and Dimpfl and Peter (2014) < doi:10.1016/j.intfin.2014.03.004 > for theory and applications to financial time series. Additional references can be found in the theory part of the vignette.
Причина обращения: