Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2480
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
RANDOM SERIES'e makine öğrenmesi yöntemleri uygulanırken, aynı girdi değişkenleri setinin aynı bağımlı değişkene karşılık gelmesi durumu pratikte oluşmaz. Bağımlı değişkenin farklı değerleri, en aza indirilmesi gereken bir tahmin hatası oluşturur.
TÜM bu konu, tahmin hatasını en aza indirmekle ilgili, yaşlı.
Temel gerçekler....
neden rastgele?
Bu kadar. Değişim zaman serisi öncelikle durağan değildir, ancak kesinlikle rastgele değildir. Fiyat serisini değiştirmenin her zaman bir nedeni vardır ve fiyatı tahmin etmeye yardımcı olan etki değil, nedenin analizidir!
................................ Deterministik durağan olmayan bir seriye örnek veriniz
Hatayı en aza indirmenin zaman içinde değil fiili sonuç olarak sonsuz uzunlukta olabileceği eğitim yöntemleri olduğunu ve eğitim sırasında elde edilen minimum hatanın modelin genelleme kabiliyetini değerlendirmek için bir ölçüt olmadığını biliyor musunuz? Hata geri yayılım yönteminin herhangi bir verideki hatayı sıfıra indirmenin bir yolu olduğunu varsayalım, ancak kural olarak, bu tür modellerin genelleme yeteneği yoktur ve yeni veriler üzerinde iyi çalışmaz. Yani, bu yöntem, çakışan verilerin varlığında hatayı sıfıra indirebilecektir, ANCAK bundan çok az pratik anlam olacaktır. Bu yüzden inanın bana, eğitim hatasını en aza indirmek yeterli bir eğitim yaklaşımı değil!
çılgın
neden rastgele?
Zaman serileri - deterministik, rastgele ve stokastik. Başka kimse. Genel olarak.
Forex ve hisse senedi fiyatları - hangi seri?
Ve fikriniz hakkında konuşursak, ne düşündüğünüzü anlıyorum, aşağıdaki gibi herhangi bir işlevi yerine getirebilirsiniz:
A[1]*X^0+A[2]* X^1 + ... + A[N]* X^N , bu genellikle bir Taylor serisidir (fonksiyonel seri), ancak A[i] > 0 tüm i = 1...N için bu, görsel olarak şöyle ise, genel durumda birinci türevde sabit bir artış verir:
Python ile Bir Zaman Serisi Veri Kümesini Fark Etme
Zaman Serisi Tahmini için Makine Öğrenimi Modellerini Geri Test Etme
evet, ağda bir şey bulundu ... mevsimsellik ve zaman içindeki diğer daha önemli olaylar için ayarlama kafa karıştırıyor ...
... ve kaç kez :
Bu nedenle, tüm zamansal bağımlılık ortadan kaldırılana kadar fark alma işlemi bir kereden fazla tekrar edilebilir.
Fark alma işleminin gerçekleştirilme sayısına fark sırası denir.
ps
Buradaki linklere de bakacağım (makale için teşekkürler)
Zaman serileri - deterministik, rastgele ve stokastik. Başka kimse. Genel olarak.
Forex ve hisse senedi fiyatları - hangi seri?
bu konuda iyi değilim..
Yanılmıyorsam: olasılık teorisi açısından - alıntılar rastgele durağan olmayan bir süreçtir
Ama buna katılmıyorum.
bu konuda iyi değilim..
Yanılmıyorsam: olasılık teorisi açısından - alıntılar rastgele durağan olmayan bir süreçtir
Ama buna katılmıyorum.
Niye ya?
Niye ya?
Birkaç argümanım var, ancak bunlar olasılık teorisi açısından değil, sadece insan muhakemesi açısından düşünülmeli.
1) Tüm mat. yöntemler rastgele/durağan olmayan/durağan ..... işlemek için tasarlanmıştır ..... herhangi bir dizi alıntı için çalışmaz , neden? meli..
2) İnsanlar tarafından başkalarından para almak için düzenlenen süreç rastgele (rastgele) bir şekilde işleyemez, bu sürecin deterministik ama karmaşık olduğuna inanıyorum..
hala noktalar vardı ama yazmaya başlayınca kafamdan uçup gitti..
Birkaç argümanım var, ancak bunlar olasılık teorisi açısından değil, sadece insan muhakemesi açısından düşünülmeli.
1) Tüm mat. yöntemler rastgele/durağan olmayan/durağan ..... işlemek için tasarlanmıştır ..... herhangi bir dizi alıntı için çalışmaz , neden? meli..
2) İnsanların diğer insanlardan para almak için düzenlediği süreç rastgele (rastgele) bir şekilde işleyemez, bu sürecin deterministik ama karmaşık olduğuna inanıyorum..
hala noktalar vardı ama yazmaya başlayınca kafamdan uçup gitti..
1. Durağan olmayan süreçler için tüm mat yöntemleri şamanizmdir. Çünkü sadece geçmişe dayanarak geleceği tahmin etmek mümkündür ve gelecek geçmişe bağlı değilse geçmişe dayalı tahminler çalışmaz.
Bu nedenle, yöntem, model vb. seçimi herhangi bir rol oynamaz - yalnızca girdi değişkenlerinin doğru seçimi.
daha fazla devam edemezsin