Modelin en önemli İSTATİSTİK özelliklerinin analizi ve bunun için bir ticaret yöntemi seçimi. - sayfa 3
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
Yüzdelik dilim de kullanabilirsiniz, hesaplaması daha kolaydır, sürpriz olmaması için daha fazla veriye ihtiyacınız vardır...
Nereye kazılacağına yön verdi))). Yapabileceğiniz çok şey olmasına rağmen...
Yüzdelikler hakkında okuyacağım, teşekkür ederim)
Bir şey bana olasılıkların %50'ye yakın olacağını söylüyor. :)
tam olarak ne? ne hissediyor
Kesinlikle deneyim. :)
Ah, ne kadar harika keşiflerimiz var
Aydınlanma ruhunu hazırlayın
Ve Tecrübe, zor hataların [oğlu],
Ve Genius, [paradokslar] arkadaş,
[Ve şans, tanrı mucidi]
En yakın komşum göstergesi için kod tabanında arama yapın. Yöntem oldukça basit. Mevcut kalıbın uzunluğunu ayarlarsınız, geçmişte benzer kalıplar bulursunuz (örneğin, kalıplar arasındaki mesafe olarak korelasyonu kullanırsınız), bireysel tahminlerini ağırlıklandırarak geçmiş kalıplardan gelecekteki fiyat davranışını tahmin edersiniz. Bu temelde aynı kümeleme veya RBF veya SVM veya GRNN'dir. Her şey, mevcut modelden benzer geçmiş modellere olan mesafeyi nasıl ölçtüğümüze bağlıdır. GRNN ve Bayes'i okuyun. Orada, tahminler teorisi istatistiksel dağılımlar açısından açıklanmıştır. GRNN ve yukarıda bahsedilen tahmin yöntemleri hakkında çok şey yazıldı, ancak hepsi tek bir basit formüle dayanıyor:
tahmin y = TOPLA y[k]*exp(-d[k]/2s^2) / TOPLAM exp(-d[k]/2s^2)
y[k] geçmiş k-inci model olduğunda, d[k] k-inci modelden mevcut olana olan mesafedir. Mesafelerin bir Gauss dağılımı varsa, o zaman d[k] = (x - x[k])^2 olur. Rastgele (süper Gauss) bir dağılım için, d[k] = |x - x[k]|^p, burada en yakın komşulara daha fazla ağırlık vermek isteyip istemediğinize bağlı olarak p'yi seçersiniz (büyük p) veya tüm komşular, sosyalizmdekiyle hemen hemen aynı ağırlıkta (küçük p). p=0'da tam bir sosyalizme sahibiz.
En yakın komşulara ve GRNN'lere aşina olduğunuzda, bir sonraki bariz soru şudur. Ve zaman ekseni boyunca bozulmaları hesaba katarsanız, mevcut model ile geçmiş modeller arasındaki mesafeyi nasıl ölçersiniz (yani, geçmiş modeller şimdiki gibi görünebilir, ancak zaman içinde uzar veya sıkıştırılır). Burası köpeğin gömüldüğü yer.
Burası köpeğin gömüldüğü yer.
Bu köpeği zaten yedim, soru şimdi farklı. Mb tam olarak doğru ayarlanmamış :)
Ama çok ilginç yayınlarınız var, teşekkürler, bir göz atacağım
zaman ekseni boyunca bozulmalar hesaba katılırsa (yani, geçmiş modeller mevcut olana benzeyebilir, ancak zaman içinde uzar veya sıkıştırılır). Burası köpeğin gömüldüğü yer.
Bu açıklamanın bir sonucu olarak - bu köpek şu anda yalnızca bilgi işlem kaynaklarının miktarının sınırlamaları nedeniyle açık değil.
Bu bir çelişki gibi görünüyor: herhangi bir sayıda bilgi işlem kaynağı varsa, o zaman herhangi bir köpek kazılabilir. Örneğin, herhangi bir sorunun çözümü yalnızca mevcut bilgi işlem kaynaklarının miktarına bağlıdır.
Genel olarak, mantık, hafifçe söylemek gerekirse, garip. Bu nedenle, "köpek orada gömülü" dedikleri zaman, dolaylı olarak şu anda hesaplamanın çözülemezliğinden şikayet ettiklerinde, orada köpek olmadığını güvenle söyleyebiliriz.
Bu açıklamanın bir sonucu olarak - bu köpek şu anda yalnızca bilgi işlem kaynaklarının miktarının sınırlamaları nedeniyle açık değil.
Bu bir çelişki gibi görünüyor: herhangi bir sayıda bilgi işlem kaynağı varsa, o zaman herhangi bir köpek kazılabilir. Örneğin, herhangi bir sorunun çözümü yalnızca mevcut bilgi işlem kaynaklarının miktarına bağlıdır.
Genel olarak, mantık, hafifçe söylemek gerekirse, garip. Bu nedenle, "köpek orada gömülü" dedikleri zaman, dolaylı olarak şu anda hesaplamanın çözülemezliğinden şikayet ettiklerinde, orada köpek olmadığını güvenle söyleyebiliriz.
Bunların hepsi afin dönüşümler yoluyla yapılır .. ve burada kaynaklar minimumdur .. doğru yaklaşımla
Bunların hepsi afin dönüşümler yoluyla yapılır .. ve burada kaynaklar minimumdur .. doğru yaklaşımla
Kâse işe yaramadı - yeterince yetkin bir yaklaşım yoktu!
Bu açıklama neden bu kadar popüler?
Kâse işe yaramadı - yeterince yetkin bir yaklaşım yoktu!
Bu açıklama neden bu kadar popüler?
Şey, şeytan her zaman ayrıntıda gizlidir .. Kase'ye ihtiyacınız yok , ama en azından faydalı bir şey :)
sorun şu ki, insanlar ne yaptıklarını anlamıyorlar, bence .. ve neden
tahmin y = TOPLA y[k]*exp(-d[k]/2s^2) / TOPLAM exp(-d[k]/2s^2)
y[k] geçmiş k-inci model olduğunda, d[k] k-inci modelden mevcut olana olan mesafedir. Mesafelerin bir Gauss dağılımı varsa, o zaman d[k] = (x - x[k])^2 olur. Rastgele (süper Gauss) bir dağılım için, d[k] = |x - x[k]|^p, burada en yakın komşulara daha fazla ağırlık vermek isteyip istemediğinize bağlı olarak p'yi seçersiniz (büyük p) veya tüm komşular, sosyalizmdekiyle hemen hemen aynı ağırlıkta (küçük p). p=0'da tam bir sosyalizme sahibiz.
En yakın komşulara ve GRNN'lere aşina olduğunuzda, bir sonraki bariz soru şudur. Ve zaman ekseni boyunca bozulmaları hesaba katarsanız , mevcut model ile geçmiş modeller arasındaki mesafeyi nasıl ölçersiniz (yani, geçmiş modeller şimdiki gibi görünebilir, ancak zaman içinde uzar veya sıkıştırılır). Burası köpeğin gömüldüğü yer.