Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3250
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
Верно ли сказать, что это основная задача, которой занимается МО?
Не верно
И так, просто реплика.
Для корреляции НЕ нужна нормализация, это не евклидова дистанция , внутри корреляции уже заложена нормализация
И так, просто реплика.
Для корреляции НЕ нужна нормализация, это не евклидова дистанция , внутри корреляции уже заложена нормализация
В 3980 реализовали методы Conjugate для типов complex, vector<complex> и matrix<complex>. Они выполняют сопряжение для комплексных чисел.
Спасибо!
Спасибо, Учитель
если измерений (признаков) много , даже больше 5-ти , то уже НЕ стоит искать близость на прямую между строками , лучше уменшить размерность
Два врага: переобучение и заглядывание вперед.
О переобучении много написано - слишком "похожая" модель на исходный ряд. Все знакомы, так как переобученность - это обычный результат тестера.
А что такое "заглядывание вперед"?
Верно ли сказать, что это основная задача, которой занимается МО?
Ситуация как в современной физике, вам шашечки или ехать? Раньше физика пыталась понять как устроен мир, а сейчас просто натягивают формулы на данные, напридумывали виртуальные сущности, никто ничего не понимает, все очень сложно.
В обработке данных та же ситуация. Раньше брали задачу, пытались ее понять, потом писали вручную алгоритм, оптимизировали расчеты. Чтобы упростить задачу, некоторыми взаимосвязями пренебрегали, другие приводили к линейному виду. Когда стало хватать мощностей и данных, решение задачи переложили на оптимизатор (грубо говоря как в МТ тестере), который подбирает коэффициенты некоего многочлена. Никто не понимает как что считается, нет полного доверия к результату, но такой подход способен учитывать нелинейные и неочевидные связи, ускорить некоторые научные расчеты на порядки.
Когда решение очевидно надо использовать классический подход. Но в условиях большой неопределенности МО не панацея (поэтому в капче добавляют шум к картинкам).
если измерений (признаков) много , даже больше 5-ти , то уже НЕ стоит искать близость на прямую между строками , лучше уменшить размерность
По 1 значению каждого признака - это мало
а где я говорил про одно значение?
а где я говорил про одно значение?