Bayesian regresyon - Bu algoritmayı kullanarak Uzman Danışman yapan var mı? - sayfa 39
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Burada bölümler hakkında düşünmeniz gerekiyor - böylece veriler benzer olacak - bence sadece n çubuklu bir pencere değil, bir model almalısınız.
Geçenlerde meslektaşlarımla lineer regresyonun tarihçesini ve gelişimini tartıştım. Kısacası, başlangıçta çok az veri ve az sayıda tahmin edici vardı. Sıradan doğrusal regresyon, bazı varsayımlarla başa çıktı. Ayrıca bilgi teknolojisinin gelişmesiyle birlikte veri miktarı artmış, tahminci sayısı onbinleri kolaylıkla aşabilmektedir. Bu gibi durumlarda, olağan doğrusal regresyon yardımcı olmaz - yeniden eğitim. Bu nedenle, düzenli sürümler, dağıtım gereksinimlerine dayanıklı sürümler vb. ortaya çıktı.
Bu kısmen doğrudur. L2 düzenlemesi, modeldeki tahmin edicilerin sayısını azaltmaya yardımcı olmaz. İlk başta, nörobilgisayar, sinir ağı ağırlıklarının sınırsız bir şekilde büyümesine yol açan Hebb'in öğrenme kuralını kullandı. Ardından, beynin büyümek ve sinirsel bağlantıların ağırlığını korumak için sınırlı kaynaklara sahip olduğunu fark ederek, 60-80'lerde L2 düzenlemesini eklediler. Bu, ağırlıkları sınırlamayı mümkün kıldı, ancak çok sayıda ihmal edilebilir ağırlık kaldı. Beyinde öyle değil. Beyinde, nöronlar ihmal edilebilir ağırlıklarda olsa bile diğer tüm nöronlara bağlı değildir. Yalnızca sınırlı sayıda bağlantı vardır. Daha sonra 2000'li yıllarda L1 ve L0 düzenlemeleri tanıtıldı, bu da seyrek bağlantıların yapılmasını mümkün kıldı. Bilim adamları kalabalığı, görüntü kodlamadan beyin süreçlerini oldukça iyi tanımlayan nöral modellere kadar her şey için L1 düzenlemesi ile doğrusal programlamayı kullanmaya başladı. Ekonomistler, "kibirleri" (her şey bizden önce icat edildi) veya sadece zayıf bir matematik anlayışı nedeniyle hala diğer bilimlerin gerisinde kalıyor.
Ekonomistler, "kibirleri" (her şey bizden önce icat edildi) veya sadece zayıf bir matematik anlayışı nedeniyle hala diğer bilimlerin gerisinde kalıyor.
Evet. Daha önce bir borsa komisyoncusu için çalışan bir yöneticiyle (swd başkanı) şahsen konuştum. Fiyat artışlarının normal kabul edildiğini söyledi ve bu kadar. Geçen yüzyılın yöntem ve sanrıları kullanılıyor. Ona normallik olmadığını söyledim. Testlerin hiçbiri geçmiyor. Konuşmanın ne hakkında olduğunu bile bilmiyor. Ama o sıkı bir matematikçi değil, bir geliştirme yöneticisi.
Peki ya normallik yoksa? Bazı gelişmelerin başkanı bile bunun hakkında yazıyor, Vladimir burada yazdı. Prensiplerini veya anlamını hiç anlamadıysanız, gerilemeyi nasıl kullanırsınız? Bu normallik/anormallik ile karanlık bir gecede bir zombi gibi dolaşın. Evet bu dağılım olsa bile küpler, hatta hücreler, hatta zikzaklar bile olsa Repin resmi şeklinde. Regresyonun tahmin etme yeteneği buna bağlı değildir.
Kesinlikle katılıyorum. Analiz için kaç bar alınacak, sadece tartışılan regresyonların Aşil topuğu değil. Her ne kadar regresyonu değil, Bayes formülünü kullanarak olasılıkları hesaplamak istiyorum. Şimdilik, aptalca n çubukların mevcut penceresini alacağım. Ve test etme ve test etme aşamasında, olabilirlik fonksiyonu ve apriori olasılıklar için, bir dalgalanma patlamasından bir dalgalanma patlamasına kadar süreler alacağım. Genellikle bu, önemli haberler arasındaki aralıktır.
Ve olasılık ne ifade edecek, en yakın çubuk için tahmin veya en yakın çubukların hareket vektörü?
Genel olarak, önce bir regresyon oluşturma amacına karar vermelisiniz: seçilen pazar segmentini mümkün olduğunca doğru bir şekilde tanımlayacak bir eğri mi seçin yoksa gelecekteki fiyat pozisyonunu mu tahmin edin? Genel olarak, yaklaşımın kalitesi tahminin doğruluğunu nasıl belirleyebilir?
Ve geçmişi olabildiğince doğru bir şekilde tanımlayacak ve geleceği olabildiğince doğru tahmin edecek bir eğriyi nasıl oluşturabilirsiniz?
Ya da geçmişi analiz etmeden geleceği nasıl tahmin edebiliriz?
Yaklaşım, geçmişin analizidir