交易中的机器学习:理论、模型、实践和算法交易 - 页 1737 1...173017311732173317341735173617371738173917401741174217431744...3399 新评论 mytarmailS 2020.04.22 17:05 #17361 马克西姆-德米特里耶夫斯基。 k-means,最简单的 嗯,这是同一件事。 试试dbscan,我认为它更好。 看,我甚至可以看到你的聚类))我对自己很疯狂。) Alexander_K2 2020.04.22 17:06 #17362 亚历山大_K2。 我在某处表明(我忘了在哪里,因为我已经有一个多月没有做交易了),市场增量的概率分布是CB高斯分布和指数分布(或在一般情况下--厄兰吉)的乘积。 埃尔朗分布负责打勾报价的时间间隔,这种数字的生成器看起来是这样的 这里Lambda是事件流的强度(引号)。 如果Lambda=const,过程是静止的,但市场流动强度在不同的时间点是不同的,即Lambda=f(t),决定了一般的非静止过程。 因此,为了区分一个静止的过程,有必要将具有相同通量密度的BP的单独部分视为一个整体。 因此,试图将BP划分为一天中的几个小时,然后将这些小时 "粘 "在一起--显然是有生命权的。 P.S. 根据我的计算,在一天之内,在接下来的几个小时内都能观察到相同的通量密度。 0 1, 23 2, 5, 22 3, 4, 8, 21 6, 7 9, 12, 19 10, 11, 15, 18 13, 14 16 17 20 嗯,这只是供参考... Maxim Dmitrievsky 2020.04.22 17:08 #17363 mytarmailS: 嗯,这是同一件事 试试dbscan,我认为它更好。 看,我甚至可以看到你在聚类什么)。 你为什么害怕,我一开始就写了。 mytarmailS 2020.04.22 17:10 #17364 马克西姆-德米特里耶夫斯基。 你为什么吓坏了? 我一开始就写了。 我没有看到它。 Maxim Dmitrievsky 2020.04.22 17:16 #17365 mytarmailS: 我没有看到它。 你能把带中心点的矩阵拉出来,在另一个有新数据的程序中单独使用吗? 也许R有这个功能? 看看吧。 mytarmailS 2020.04.22 17:18 #17366 马克西姆-德米特里耶夫斯基。 你能把带中心点的矩阵拉出来,在另一个有新数据的程序中单独使用吗? 也许R有这个功能? 看看吧。 如果我做对了,是的,我可以 Maxim Dmitrievsky 2020.04.22 17:22 #17367 mytarmailS: 如果我理解正确,是的,我可以。 教授 mytarmailS 2020.04.22 17:23 #17368 马克西姆-德米特里耶夫斯基。 教授 再次具体写出你想做的事情,而不需要进行不必要的编码 fake.dt <- matrix(rnorm(100),ncol = 5) kn <- kmeans(fake.dt,centers = 3) kn$centers kn$centers [,1] [,2] [,3] [,4] [,5] 1 0.1491919 -0.82943057 1.00194753 -0.78824900 0.7330618 2 0.4543194 -0.01318233 -2.36800973 0.05477085 0.2706286 3 0.1478300 0.34991845 -0.04671528 0.33735489 -0.6789331 三个集群的三个中心点 Maxim Dmitrievsky 2020.04.22 17:25 #17369 mytarmailS: 再次准确地写出你想做的事情,这样你就不会编写不必要的代码了 在拟合模型之后,应该有一个矩阵或类似的东西,这取决于算法。 可用于计算对新数据的预测和对旧数据的预测... 将其转移到元数据,并在测试器中读取。 Maxim Dmitrievsky 2020.04.22 17:28 #17370 那么,我该怎么做呢? 我还不是很擅长聚类。 1...173017311732173317341735173617371738173917401741174217431744...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
k-means,最简单的
嗯,这是同一件事。
试试dbscan,我认为它更好。
看,我甚至可以看到你的聚类))我对自己很疯狂。)
我在某处表明(我忘了在哪里,因为我已经有一个多月没有做交易了),市场增量的概率分布是CB高斯分布和指数分布(或在一般情况下--厄兰吉)的乘积。
埃尔朗分布负责打勾报价的时间间隔,这种数字的生成器看起来是这样的
这里Lambda是事件流的强度(引号)。
如果Lambda=const,过程是静止的,但市场流动强度在不同的时间点是不同的,即Lambda=f(t),决定了一般的非静止过程。
因此,为了区分一个静止的过程,有必要将具有相同通量密度的BP的单独部分视为一个整体。
因此,试图将BP划分为一天中的几个小时,然后将这些小时 "粘 "在一起--显然是有生命权的。
P.S.
根据我的计算,在一天之内,在接下来的几个小时内都能观察到相同的通量密度。
0
1, 23
2, 5, 22
3, 4, 8, 21
6, 7
9, 12, 19
10, 11, 15, 18
13, 14
16
17
20
嗯,这只是供参考...
嗯,这是同一件事
试试dbscan,我认为它更好。
看,我甚至可以看到你在聚类什么)。
你为什么害怕,我一开始就写了。
你为什么吓坏了? 我一开始就写了。
我没有看到它。
我没有看到它。
你能把带中心点的矩阵拉出来,在另一个有新数据的程序中单独使用吗?
也许R有这个功能? 看看吧。
你能把带中心点的矩阵拉出来,在另一个有新数据的程序中单独使用吗?
也许R有这个功能? 看看吧。
如果我做对了,是的,我可以
如果我理解正确,是的,我可以。
教授
教授
再次具体写出你想做的事情,而不需要进行不必要的编码
三个集群的三个中心点再次准确地写出你想做的事情,这样你就不会编写不必要的代码了
在拟合模型之后,应该有一个矩阵或类似的东西,这取决于算法。
可用于计算对新数据的预测和对旧数据的预测...
将其转移到元数据,并在测试器中读取。