Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 372
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
http://sci.alnam.ru/book_dsp.php
только там нет картинки на стр 126
не картинка...
А сам пример сохранить в виде картинки, и сюда его закинуть
не картинка...
А сам пример сохранить в виде картинки, и сюда его закинуть
Оно?
Оно?
книга та.
стр. 126
Пример 5.4.
книга та.
стр. 126
Пример 5.4.
Да, не понял сразу..., вот
Да, не понял сразу..., вот
теперь хорошо ;)
Не может быть зависимости там, где нет корреляции. Корреляция может быть линейной или нелинейной, но она будет, если есть зависимость.
Может быть корреляция при отсутствии зависимости - ложная корреляция.
Ни один пост в этой ветке я не удалял.
Бендат Дж., Пирсол А.
Прикладной анализ случайных данных: Пер. с англ. - М.: Мир, 1989.
на стр. 126
ПРИМЕР 5.4. НЕКОРРЕЛИРОВАННЫЕ ЗАВИСИМЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ.
"В данной статье подробно рассматривается проблема переобучения нейронных сетей, выявляются причины ее появления, и предлагается способ решения данной проблемы.
1. Почему переобучается нейросеть?
С чем связано переобучение нейросетей? На самом деле тому может быть несколько причин:- Количество примеров в обучающей выборке недостаточно, чтобы решать задачи вне выборки.
- Входные данные неравномерно распределены по степени корреляции к выходным данным в различных выборках, что очень часто бывает в случаях обработки нестационарных данных. Например, в обучающей выборке корреляция какого либо входного параметра или нескольких входных параметров по отношению к выходным значениям значительно выше, чем в выборке тестовой или хуже того, коэффициенты корреляции в разных выборках различаются по знаку. Это легко проверить, вычислив коэффициенты корреляции для всех параметров в разных выборках, причем еще до обучения нейросети. И избавиться от этого недостатка тоже достаточно просто, а именно обучающие примеры разложить по выборкам случайным образом.
- Входные параметры не связаны с выходными, т.е. между ними нет никакой причинно-следственной связи – они нерепрезентативны, а соответственно и обучать нейросеть нечему. И проверка на предмет наличия корреляций между входными и выходными данными покажет корреляцию, близкую к нулевой. В этом случае необходимо поискать другие входные данные, на которых и обучать нейросеть.
- Входные данные сильно коррелируют между собой. В этом случае необходимо оставить входные данные с максимальной корреляцией по отношению к выходным, удалив остальные данные, хорошо коррелирующие с оставшимися.
Все вышеописанные причины переобучения и методы их устранения являются общеизвестными, т.к. ранее описывались в различной литературе или статьях, посвященных нейросетевым технологиям. "Дмитрий, Вы уж простите, но подозреваю Вы или меня троллить пытаетесь, или юродствуете, или просто тупой, при всем уважении... Разве не видно на тривиальном примере, что два признака оба имеют нулевую корреляцию с таргетом, НО при этом оба являются существенными, ни один нельзя выкинуть, линейная зависимость нулевая, не линейная 100%, то есть корреляция может быть нулевой а датасет полностью прогнозируемый, что Ваше утверждение:
полностью опровергает.
Конечно я юродствую!
Я НЕСКОЛЬКО РАЗ в этой ветке ЧЕТКО НАПИСАЛ: "Скажу честно и откровенно - я для себя свой диагноз НС поставил еще пару лет назад и забросил этот метод. Поэтому как именно для НС - сказать трудно мне. Может и появилось что то в НС, что позволяет пихать в сеть все, что под рукой без предварительного отбора. Для всех методов DM подход я изложил." (с)
Если я несколько раз написал, что я не разбираюсь в НС и не знаю как там обстоят дела, а появляется что-то, что начинает вопить, орать и кричать и приводить примеры из НС - ко мне то какие претензии?
Написал четко и откровенно:
1. размерность уменьшится.
2. насчет точности модели- НЕ ЗНАЮ!
Но все равно найдется кто-то, кто начнет тупить....
Корелляция переменных не означает возможности прогнозирования. Пары могут быть коррелированны. То есть ходить взаимосвязанно, но спрогнозировать одну посредством другой не получится, потому как они изменяются одновременно, и уж не как ни с опережением. Это если говорить про корелляцию!!!!
Не тупи.
Если очень хочется потупить - погугли, НАПРИМЕР, парный трейдинг.
Снова ложь, нет никакой нелинейной корреляции корреляция это СТРОГО определенная математическая структура, как сложение или косинус, изучите хотя бы википедию перед тем как нести чепуху.
Будем проходить как в школе - с азов. Что такое "нелинейная корреляция" и как она расчитывается:
http://metr-ekon.ru/index.php?request=full&id=412