Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 638
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
Çapraz entropiyi bulmak için önce iki olayın koşullu entropisini bulmanız gerekir, şu anda tam olarak bunu yapıyorum ....
Ve modelin entropisinin tahmini, modelin FOS üzerinde çalışması sırasında gereklidir. Bir sinyal vererek, bu sinyalin entropisini hesaplayabilir ve bundan sonuçlar çıkarabiliriz. Sinyalin entropisi arttı. Lanet olsun, düştü, bu bizim buharlı lokomotifimiz ....
Trend ticareti için - evet, bu doğru. Mikhail, daha hızlı laboratuvar, aksi takdirde kayınpederim, Forex'ten para için susuzluk içinde, zaten yumruklarını yüzümün önünde büküyor, entropi / negentropiye odaklanmama izin vermiyor ...
Çapraz entropiyi bulmak için önce iki olayın koşullu entropisini bulmanız gerekir, şu anda tam olarak bunu yapıyorum ....
Benimkinden başka bir çapraz entropiniz var, yardım edemem. Benim de bir bisikletim olsa da, daha iyi olduğunu iddia etmeyeceğim :)
Konuyla ilgili R paketlerine biraz baktım, öyle görünüyor ki https://cran.r-project.org/web/packages/EMVC/EMVC.pdf hem entropi hem de çapraz entropi bulmanız için size uygun ve filtre tahminciler çıktı.
Bilgi teorisi okumadım, ancak R'de entropi konusunda biraz deneyimim var.
Aslında, daha fazla entropi, verilerde daha fazla kaos. Yüksek entropiye sahip bir tahmin edici, hedefle oldukça zayıf bir şekilde ilişkilidir. Ve tam tersi - düşük entropi, hedefin tahmin ediciden kolayca belirlendiğini gösterir.
Negentropi, entropinin tersidir, enropi ile karşılaştırıldığında yeni bir bilgi getirmez, sadece kolaylık sağlamak için tanıtıldı. Öngörücünün büyük bir entropisi varsa, o zaman negentropi küçüktür. Entropi küçükse, negentropi büyüktür. Sıcak ve soğuk, aydınlık ve karanlık vb. gibi, biri diğerine yumuşak bir şekilde geçer.
Ama hepsi bu kadar değil, bir de çapraz entropi var. Bu, her iki öngörücünün birlikte hedefle ilişkisidir, yüksek çapraz entropi kötü, düşük çapraz entropi iyidir. Makine öğreniminde, genellikle birlikte kullanıldığında yüksek entropili iki öngörücünün düşük çapraz entropi verdiği görülür, hepimizin ihtiyacı olan budur. Tahmin edicilerin her biri kendi başına hedefle kötü bir şekilde ilişkili olsa da (her ikisi için de yüksek entropi), ancak ikisi birlikte tam isabet sağlayabilirler (düşük çapraz entropi). Bu nedenle, her bir tahmincinin entropisini ayrı ayrı ölçemez ve tahmine göre bir küme seçemezsiniz. Düşük çapraz entropili tüm öngörücü setini seçmek gerekiyor, örneğin entropilerine ayrı ayrı bakmıyorum bile.
İşte örnekler -
1) Yüksek entropi tahmincisi. Hedef sınıfı ondan tahmin etmek genellikle imkansızdır.
2) Düşük entropi tahmincisi. Yakından bakarsanız, tahmin değeri 0 ile 0,25 arasında veya 0,4'ten küçükse, sınıf değeri = 1. Aksi takdirde, sınıf = 2. Bu, ML'de kullanmak için çok uygun bir tahmin edicidir.
3) her biri yüksek bir entropiye sahip iki öngörücü ve model, yalnızca birinci veya yalnızca ikinci öngörücüyü kullanarak hedefi asla tahmin edemez. Ancak onları bir araya getirdiğimizde (X ekseni birincinin değeridir ve Y ikincinin değeridir), birlikte hedef sınıf hakkında çok iyi bilgi verdikleri hemen açıktır (her iki tahmin için de aynı işaret = sınıf1, farklı işaret = sınıf2). Bu, düşük çapraz entropiye bir örnektir.
Belki sadece ana bileşenler?
http://padabum.com/d.php?id=223567
teşekkür etme
tekrar oku... ne zaman bitecek
http://padabum.com/d.php?id=223567
teşekkür etme
tekrar oku... ne zaman bitecek
Kitap için teşekkürler.
Hayır, yükleme işlemi ile bu tür bağlantıları indirmiyoruz.))
Kitap için teşekkürler.
Hayır, yükleme işlemi ile bu tür bağlantıları indirmiyoruz.))
her şey herhangi bir kurulum olmadan normları sallıyor
pdf dosyası temiz, onu djvu'ya dönüştürebilir ve yükleyebilirimBelki sadece ana bileşenler?
Temel bileşenler, hedef analizi yapılmadan hesaplanır. Ana bileşenleri bulabilirsiniz, ancak istenen hedefi tahmin etmede faydalı olup olmayacağı önceden bilinmemektedir.
Ve çapraz antropi, belirli bir hedefle ilişkili olarak hesaplanabilir ve sonuç, müdahale ettikleri için hangi tahmin edicilerin kaldırılması gerektiğini söyleyecektir.
EMCV paketini denemek istedim, daha önce fark etmemiş olmam üzücü, işe yararsa kullanım örneklerini daha sonra buraya yazarım.
her şey herhangi bir kurulum olmadan normları sallıyor
Üzgünüm, yanlış düğmeye bastım - "indir" ve yürütülebilir bir dosya var.
Her şey yolunda.
Üzgünüm, yanlış indirme düğmesine bastım. Her şey yolunda.
bu sadece bir reklam butonu, korsan sitelerde daha deneyimli olmanın zamanı geldi))