Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1015
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Açıkça söylemek gerekirse, kayan bir getiri örneğinde, bu ayrık seri için ACF tahminini hesaplamak gerekir . Periyodik ise, Kolmogorov'a göre bir sonraki getiri %100 olarak tahmin edilir. Ancak ACF'nin periyodikliğini tahmin etme kriterini bilmiyorum. Ona bakmak “gözle” değil, aslında ...
Daha sıcak.
Tahmin modelleri için oldukça sıradan DEĞİL tahminciler kümesini genişletelim.
Buradan
Zaman serilerinin nasıl tahmin edileceğini meta-öğrenme
Thiyanga S Talagala, Rob J Hyndman ve George Athanasopoulos
Orada sadece ilahi guru ve onun bir kaç Padawanı insan ekliyor, bana skype ve kişisel bilgilerini gönder kişisel olarak soracağım ama bir şey vaat etmiyorum çünkü ben orada bir otorite değilim, sadece cismani bir ruh, pislik terlikler üzerinde. Bunlar gri kardinaller, bebekler ve şirket, yakın pazar faaliyetleri için fark edilecek, yaşam için utanç ile markalanmış, utanç ancak on milyarlarca yeşillik için yıkanabilir.
Teşekkür ederim, anladığım kadarıyla önemli zorluklarla dolu olan üyelikle ilgilenmiyorum, ancak muhtemelen daha az önemli olmayan seviyeye bakmak istiyorum.
Bu grupta MO modellerinin birleşik bir temsilinin dikkate alındığını yazmışsınız, bunlar benim görmek istediğim modeller.
Karşılaştırma için, mütevazı gelişmelerimi de göstermeye hazırım, eğitilmiş modelleri ikili veya metin biçiminde ve kaynak kodu biçiminde seri hale getiriyorum.
Daha sıcak.
Tahmin modelleri için oldukça sıradan DEĞİL tahminciler kümesini genişletelim.
Buradan
Zaman serilerinin nasıl tahmin edileceğini meta-öğrenme
Thiyanga S Talagala, Rob J Hyndman ve George Athanasopoulos
İyi bir inceleme makalesi. Sadece, bence, dikkate alınan zaman serileri kümesi bizim için çok geniş. Yöntemlere benzer bir genel bakış görmek isterim, ancak bizim için ilginç olan dizi türleri için.
Ayrıca bazı yeni yöntem ve modellere de bakmak isterim. Örneğin anormal difüzyon ( daha popüler ) vardır.
İyi bir inceleme makalesi. Sadece, bence, dikkate alınan zaman serileri kümesi bizim için çok geniş. Yöntemlere benzer bir genel bakış görmek isterim, ancak bizim için ilginç olan dizi türleri için.
Ayrıca bazı yeni yöntem ve modellere de bakmak isterim. Örneğin anormal difüzyon ( daha popüler ) vardır.
Tablonun arkasından bir bağlantı verdim: tahmin edicilere ve Alexander'ın ACF hakkındaki düşüncesinin nasıl geliştirildiğine yeni bir bakış.
Tablonun arkasından bir bağlantı verdim: tahmin edicilere ve Alexander'ın ACF hakkındaki düşüncesinin nasıl geliştirildiğine yeni bir bakış.
70 yıllık modellerle kendine ve bize eziyet etmektense, bu çok anormal yayılımı ve piyasaya uygulanmasını daha iyi incelerdi. Bu, onun büyük coşkusunun ve beden eğitiminin yararlı bir uygulaması olacaktır.
ZZ parametresi, her enstrüman ve zaman dilimi için farklıdır. Örneğin, EURUSD M15 için iyi bir başlangıç değeri 15 piptir (4 basamak). Ayrıca, kullandığınız tahmin edicilere de bağlıdır. İyi için, tahmin edici parametreleri ve ZZ parametresini birlikte optimize etmek gerekir. Bu nedenle, parametrik olmayan tahmin edicilere sahip olmak arzu edilir, yaşam büyük ölçüde basitleştirilmiştir. Bu kapasitede dijital filtreler iyi sonuçlar vermektedir. Toplulukları ve basamaklamayı kullanarak ortalama bir Doğruluk = 0,83 elde ettim. Bu çok iyi bir sonuç. Yarın doğrulama için sürecin açıklandığı bir makale göndereceğim.
İyi şanlar
Ve tamamen farklı modelleri deneyerek ZZ ayarlarını nasıl bileceksiniz ve bu ayarlarla en iyi sonucu veren hangisi daha iyi?
Neden zaman(çubuklar) yerine ZZ için pipleri tercih ediyorsunuz?
Ve tamamen farklı modelleri deneyerek ZZ ayarlarını nasıl bileceksiniz ve bu ayarlarla en iyi sonucu veren hangisi daha iyi?
Neden zaman(çubuklar) yerine ZZ için pipleri tercih ediyorsunuz?
1. Çeşitli optimizasyon yöntemleri vardır
2. Deneyimden.
İyi şanlar
Dün neden karar ağaçları aradıkları fikrini buldum, yani. varlığı tanımlayan model? Onlar. Neden tüm özü genel olarak tanımlamamız gerekiyor, belki de bu özün en anlaşılır ve tahmin edilebilir parçalarını aramamız gerekiyor? Bunu, ağaçlardan yaprak topladığım için, belki de tam bir karar ağacı oluşturmadan bu tür yaprakları aramak için yöntemi kullanmam gerektiğini düşündüm, bu bence, aynı miktarda kalitede bir artış sağlamalıdır. hesaplama zamanı harcadı.
İnternette dolaştım ve hiçbir yerde böyle bir şey göremiyorum. Belki birileri bu tür gelişmelerden haberdardır?
Bir algoritma geliştirirken, sanırım yapılacak ilk şey, sınıflardan birinin tahmin yeteneğinin öne çıktığı tahmin edicileri seçmek, tahmin edicilerin görünüşte ikili hale getirilmesi gerekiyor (bunun için, siz her tahmin edici için kendi örneğinizi oluşturmanız veya genel örneklemden hariç tutma aralıkları oluşturmanız gerekecektir (ki bu daha rasyoneldir?)). Ardından, belirli bir sınıf (benim durumumda, 3 sınıf) için kütükler oluşturmak için seçilen tahmin edicileri (ve bunların kombinasyonlarını) kullanın ve kalan tahmin edicileri bu kütükler üzerinde oluşturun. Aynı zamanda, belirli bir sınıfın tercihi için bunları da kontrol edebilirsiniz. Ardından, fikre göre, belirli hedefler altında sınıflandırmaya en uygun alanları bulacağız. Ve kalan alan ise sadece bir hareketsizlik/bekleme alanı olacaktır.
Tabii daha sonra yaprakların nerede üst üste dizildiğini görebilir ve bu durumlarda ortalama bir sonuç alabilirsiniz. Evet ve bir ağacın görünümü daha sonra bu şekilde oluşturulabilir, ancak farklı hedef alanların farklı alanlarındaki yoğunluk nedeniyle oylama elemanları ile.
Bu fikir hakkında ne düşünüyorsun?
1. Çeşitli optimizasyon yöntemleri vardır
2. Deneyimden.
İyi şanlar
1. Bu yüzden bu yöntemler hakkında bilgi edinmek istiyorum. Ve sonra tekrar bisikletimi icat ettim (ideolojiyi zaten belirledim) ve aniden her şey bizden önce yapıldı ...
2. Anlaşılabilir. Ama mantıksız.
Vladimir! Bana "gelecekteki seçim" (veya buna benzer bir şey) yöntemleri olup olmadığını söyleme, ama VR ile ilgili mi? Algoritmanın VR'yi analiz etmesi için, tahmini daha iyi hale getirmek için bir şeyler atılabilir veya eklenebilir, Google bana yardımcı olmadı (