Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3043

 
Aleksey Nikolayev #:

Bu tür görevler için matstat kullanımındaki temel sorun, TS arayışının çok sayıda varyant arasından seçim yapılarak gerçekleştirilmesidir. Geniş bir varyant kümesinden çok güzel bir şey seçmek her zaman mümkündür - basit bir örnekle, fiyatları bir CB olarak modelleyerek, ticaret için haftanın iyi bir saatini her zaman "bulabileceğinizi" göstermiştim. Ve bu, aralarından seçim yapabileceğiniz yalnızca 120 varyanttır.

Matstat, seçilen TS'nin mutlaka kötü olduğunu söylemez, sadece böyle bir sonucun sadece SB'den seçimin sonucu olabileceğini (ZORUNLU DEĞİL) söyler.

Hâlâ anlamıyorum, fin. res. istatistiksel olarak anlamlı olup olmadığını kesin olarak söylemenin bir yolu yok mu? TC ya da değil?

Aleksey Vyazmikin #:

Başlatırken bir hata alıyorum

1) Veriler örnekteki ile aynı mı?

2) Belki yeni R'de fonksiyon argümanlarının isimleri değişmiştir

?embed
 

Yönlerden biri, TS'nin en iyi değil, en istikrarlı parametrelerini aramak olabilir. Yani, tarihin farklı bölümlerinde sonuç değişkenliği olan varyantları atmak.

Bunun bir yolu, sonuçların istikrarına ilişkin göstergeleri değerlendirme kriterlerine dahil etmektir.

 

Bayesian optimizasyonu üzerine harika bir paket var...

Çok kriterli optimizasyon, gürültülü fonksiyonlar üzerinde optimizasyon ve daha birçok şey yapabilirsiniz, çok ilginç bir paket.

Algoritmanın tek boyutlu bir vektörde nasıl minimum aradığına dair oyuncak bir örnek yaptım.

library(mlrMBO)

set.seed(123)
xx <- cumsum(rnorm(1000))
par(mar=c(2,2,2,2))
plot(xx,t="l")

fun = function(i){
  plot(xx,t="l",col=8)
  points(i,xx[i],col=4,lwd=4)
  return(xx[i])
}

obj.fun = makeSingleObjectiveFunction(name = "noisy_parable", 
                                      fn = fun,
                                      has.simple.signature = TRUE, 
                                      par.set = makeNumericParamSet("i", 1, 1, length(xx)),
                                      noisy = F)


ctrl = makeMBOControl(final.method = "best.true.y", final.evals = 10)
ctrl = setMBOControlInfill(ctrl, crit = crit.eqi)
ctrl = setMBOControlTermination(ctrl, iters = 40)

configureMlr(on.learner.warning = "quiet", show.learner.output = F)
res = mbo(obj.fun, control = ctrl, show.info = T)

points(res$x$i, xx[res$x$i] , col=2,lwd=5, pch=10)
Bayesian Optimization and Model-Based Optimization of Expensive Black-Box Functions
  • mlrmbo.mlr-org.com
Flexible and comprehensive R toolbox for model-based optimization (MBO), also known as Bayesian optimization. It implements the Efficient Global Optimization Algorithm and is designed for both single- and multi- objective optimization with mixed continuous, categorical and conditional parameters. The machine learning toolbox mlr provide dozens of regression learners to model the performance of the target algorithm with respect to the parameter settings. It provides many different infill criteria to guide the search process. Additional features include multi-point batch proposal, parallel execution as well as visualization and sophisticated logging mechanisms, which is especially useful for teaching and understanding of algorithm behavior. mlrMBO is implemented in a modular fashion, such that single components can be easily replaced or adapted by the user for specific use cases.
 
mytarmailS #:

Hâlâ anlamış değilim, fin. res. istatistiksel olarak anlamlı olup olmadığını kesin olarak söylemenin bir yolu yok. ya da değil mi?

Aynı göstergenin kullanımıyla ilgili olan iki şeyi karıştırmayın:

1) Bir TS'nin sonucunun bu gösterge ile değerlendirilmesi.

2) Bu göstergeyi maksimize ederek çok sayıda seçenek arasından bir TS'nin seçilmesi.

İlk durumda, göstergenin değeri istatistiksel olarak anlamlı olabilir, ancak ikinci durumda bu pek olası değildir.

 
mytarmailS #:

Hâlâ anlamış değilim, fin. res. istatistiksel olarak anlamlı olup olmadığını kesin olarak söylemenin bir yolu yok. ya da değil mi?

1) Veriler örnektekiyle aynı mı?

2) Belki de yeni R'de fonksiyon argümanlarının isimleri değişmiştir

1. Evet

2. Belki - 3.5.0'ı açtım - kütüphaneyi istedim - yükledim ve yine bazı hatalar aldım.

installing the source package ‘inTrees’

trying URL 'https://mirrors.tuna.tsinghua.edu.cn/CRAN/src/contrib/inTrees_1.3.tar.gz'
Content type 'application/octet-stream' length 16771 bytes (16 KB)
downloaded 16 KB

ERROR: dependency 'arules' is not available for package 'inTrees'
* removing 'C:/Users/S_V_A/Documents/R/win-library/3.5/inTrees'
In R CMD INSTALL
Warning in install.packages :
  installation of package ‘inTrees’ had non-zero exit status
 
Aleksey Vyazmikin #:

1. Evet

2. Belki - 3.5.0'ı açtım - kütüphaneyi istedim - yükledim ve yine bazı hatalar aldım.

fonksiyonun hangi argümanları aldığını görün

?embed

Bu fonksiyonla ilgili hata olan sürümde.

Ben yazdım!

 
Aleksey Nikolayev #:

Aynı göstergeyi kullanmayı içeren iki şeyi karıştırmayın:

1) Bir TC'nin bu gösterge üzerindeki sonucunun değerlendirilmesi.

2) Bu göstergeyi maksimize ederek çok sayıda seçenek arasından bir TS'nin seçilmesi.

İlk durumda, göstergenin değeri istatistiksel anlamlılık hakkında konuşabilir, ancak ikinci durumda - pek değil.

Basit bir ifadeyle, eğer bir TS'yi istatistiksel anlamlılığa göre değerlendirirsem, bu iyidir,

100 TS'ye sahipsem ve aynı kriterlere göre en iyisini seçersem, bu kötü mü olur?


Bir şeyi yanlış anlamış olmalıyım? Bu da doğru olamaz?

 
Andrey Dik #:

Yönlerden biri, TS'nin en iyi değil, en istikrarlı parametrelerini aramak olabilir. Yani, tarihin farklı bölümlerinde değişkenlik gösteren sonuçları olan varyantları atmak.

Bunun bir yolu, sonuçların istikrarına ilişkin göstergeleri değerlendirme kriterlerine dahil etmektir.

Sizin stabilite değerlendirme seçeneğiniz nedir? Son zamanlarda iki seçenek üzerinde tartışıyoruz.
 
mytarmailS #:

fonksiyonun hangi argümanları aldığını görün

Bu işlevle ilgili bir hatanın olduğu sürümde.

Ben yazdım!

embed {stats}   R Documentation
Embedding a Time Series

Description

Embeds the time series x into a low-dimensional Euclidean space.

Usage

embed (x, dimension = 1)
Arguments

x       
a numeric vector, matrix, or time series.
dimension       
a scalar representing the embedding dimension.
Details

Each row of the resulting matrix consists of sequences x[t], x[t-1], ..., x[t-dimension+1], where t is the original index of x. If x is a matrix, i.e., x contains more than one variable, then x[t] consists of the tth observation on each variable.

Value

A matrix containing the embedded time series x.

Author(s)

A. Trapletti, B.D. Ripley

Examples

x <- 1:10
embed (x, 3)
[Package stats version 4.0.2 Index]
 
Aleksey Vyazmikin #:

Sorun yok, çalışması lazım.

Kodu değiştirmediğinize emin misiniz? Bana hatanın oluştuğu kodu gösterin.