交易中的机器学习：理论、模型、实践和算法交易 - 页 2745

新评论
 
JeeyCi #:


回归系数的统计检验是为了什么？还是检验关于均值和方差相等的假设？(如果 PCA 仍然显示第一 PC 解释了可接受的方差份额[残差非常小]--那么就接受它，并检查回归系数的显著性确认情况）......）。

理想情况下 -- 很明显，为了获得 100% 的概率，我们应该使用函数关系而不是相关关系 -- 但如果我们研究的是一个随机过程，那么结果将只是概率性的，只有在大量测试数据上才能得到确认，而且只有在市场上出现新的驱动程序 之前才能得到确认....。[顺便说一句，事实/逻辑意识也非常重要，而不仅仅是稳健分析]。

只要我们依赖历史数据.....，与历史相适应的情况总是存在的。但我们总是可以通过 F 统计量来比较方差--如果方差减少量远大于剩余的未解释方差，那么就可以确定一个新的回归。(用 dr SLOPE）...但这只能在未来的某个时刻起作用，而且只能在大数据上起作用......或者切换行为者的状态（如果使用 DL）......但驱动程序知道最好不要等待但了解驱动程序总比等到当前样本采集完成后再确认要好。

如果您正确地注意到--"理论上 "合乎逻辑（在任何统计处理过程中，都有地球上的物理逻辑规律和人类知识，模式不会凭空出现）--[但有人可能无知]--那么在建模过程中，FS 将不会对建模者或开发者造成很大困扰....。没有历史，你哪儿也去不了，要知道什么和什么时候成为了驱动力，什么没有--你不需要太多高等数学方面的智慧，只需要了解货币和商品市场、私人和国有部门的规律，否则我们就会在 "事后 "使用应用高等数学的仪器时才知道，改变世界的消息已经被人听过一遍了....。只是，包括市场反应在内，通常是滞后的。

p.s...

单词和字母对谁来说都是未知的，不要阅读未知字母的未知话题，以免执着于字母--为您的 FS 找一台 VM 机....。如果您也能证明您的结果在统计上的有效性，而不仅仅是命中率百分比（顺便说一句，并不总是无偏见的）），那么对话就会变得不同....。但现在，是的，每个人都有自己的术语....。

这一切都源于人们想要合作））开始整理，结果发现每个人都否认别人所做的一切。另外，他们还发明了新的定义。最后谁也不明白。我总体上喜欢桑尼奇的方法，所以我问了具体情况。对于名称，如果不是相关，也有关系和联系，这是一个麻烦。

很明显，他很珍惜自己的诀窍，不透露细节。
 
Maxim Dmitrievsky #:
这一切都源于人们想要合作））开始调查，发现每个人都否认别人所做的一切。另外，他们还编造了新的定义。最后大家都不明白了。我总体上喜欢 Sanych 的方法，所以我询问了具体细节。如果不是相关性，那什么又是关系和联系 呢？ 。

显然，他很珍惜自己的诀窍，不会透露细节。

在我看来，相关性有两种类型。

第一种是因果关系，这是由特定学科领域知识中关于研究对象的先验信息决定的，而不是由某些计算决定的。

第二种是概率依赖关系，可以通过观察研究对象的行为而获得的一些数据进行后验计算。第二种类型包括相关性、确定性依赖性（作为极端情况）等等，包括协方差和其他方法所描述的依赖性。研究这种类型的基础是假设预测因子和目标存在联合分布。

 
Aleksey Nikolayev #:

在我看来，交流有两种类型。

第一种是因果传播，它是由特定学科领域知识中关于研究对象的先验信息决定的，而不是通过某种计算。

第二种是概率依赖关系，可以通过观察研究对象的行为而获得的一些数据进行后验计算。第二种类型包括相关性、确定性依赖性（作为极端情况）等等，包括共线和其他方法所描述的依赖性。研究这种类型的基础是假设预测因子和目标存在联合分布。

正确。由于缺乏先验假设，我们使用的是第二种类型。不知道桑尼奇是怎么看的？例如，目标是如何构建的，它们可以简单地与任何性状拟合，反之亦然。

我的方法完全是为这种操作定制的，也许有些地方可以改进。
 
mytarmailS #:

有一个考虑目标的 PCA，它将突出显示目标的特征成分、

它不会这样做，它不会考虑与目标的关系。- 它只会在特征空间中创建一个正交投影，以解释最大方差.....。(我只是不确定旋转是否应该手动完成（我想 Statistika 软件包中有一些关于旋转的内容--某个按钮），还是它会自动完成--其他库可能已经内置了旋转 功能）。


mytarmailS#:

但可悲的是，目标是一个主观变量，一旦跟踪完成，它就会 "浮动"....这与普通的教师授课有什么不同？

是的，可悲的是，你们对这种方法的目的有自己的理解，对使用这种方法也有自己的方式和目的....。我不知道这样的观点对你有什么帮助......- 所以你也不必再问我了。
 
JeeyCi #:
1)它永远不会这样做--它不会考虑与目标的链接!!!!！- 它只会在特征空间中创建一个能解释最大方差的投影....。(我只是不确定旋转是否应该手动完成[我想 Statistika 软件包里有一些关于它的东西--某个按钮]，还是它会自动完成--其他库可能已经内置了旋转功能）。


2）是的，可悲的是--你对这种方法的目的有自己的解释，也有自己的使用方法和目的......我不知道这样的观点对你有什么帮助.....- 所以你也不用再问我了。

1) 我说的是，有一些rsa 会将目标 考虑在内。

2) 我没有问什么，我只是断言。

 

mytarmailS #:

1) 我说的是，有一些rsa 将目标定位考虑在内。

2) 我不是在问什么，我是在断言。

这些已经是人为地将 PC 与目标绑定的算法 - 不同的算法（软件实现有时甚至在不同的库中有所不同）......你还不如使用 PLS......如何将目标与特征绑定是你自己的事，这并不意味着 PCA ="与教师"（教师是单独绑定的--事实上--以你喜欢的任何方式）--我们又一次偏离了重点，进入了 "品味和色彩......"（库）的话题。(图书馆）。

我甚至不知道你是否知道你的库是否会旋转，或者你是否必须自己编码......因此，未经证实和不完整/不准确的陈述对这里的任何人都没有任何意义，尤其是当这些陈述改变了现象/对象的含义和本质之后，你就大喊大叫说你不懂这些话......显然，你连自己的话都没听懂

 
JeeyCi #:

我甚至不确定 你自己是否知道你的程序库是否会进行旋转，或者你是否必须自己编写代码....。

不要自己判断

(我只是不确定旋转是否应该手动完成[我想 Statistika 软件包中有一些关于它的东西--某个按钮]，或者它是否会自动计算出来--在另一个软件包中。

JeeyCi#：

因此，未经核实和不完整/不准确的陈述对这里的任何人都没有意义

如果您不确定，那么就无权断言任何经过核实的内容。什么是未经核实的，谁感兴趣，谁不感兴趣....， 当然是在您的头脑正常的情况下。


ps 而矩阵中是否存在旋转，如果有理解的话，很容易检查，但显然有问题.....

 

所以，在向别人投怀送抱之前，请先检查一下、

- 如果你第一次就不明白，请把你的古里安/不准确的音调倾注到你的代码和结果中，而不是寻找极端的音调

 
这与 LDA 有什么不同？在报价单上，你会得到一个紧密的拟合，而这个拟合在新数据上不起作用。但它能将在此基础上训练的模型误差几乎降为零。Sanych 的方法也可能出现类似情况。原理是一样的--将苍蝇拟合到小块上

但是，如果对滑动窗口进行统计，应该会带来一些乐趣。我还无法想象。
 

帖子数量激增


再说一遍。

我根据预测能力对预测器进行排名。

我使用自己的算法，因为许多软件包的算法都太慢了--我的算法准确度较低，但速度非常快。

预测能力不是相关性，也不是模型选择预测因子 的结果。

预测能力是信息相关性，而不是：

1.相关性是一个静态序列与另一个静态序列的 "相似性"，总是有一定的值，没有 "无相关性 "的值。相关性总是有一定的值，所以你可以很容易地利用相关性来发现教师和咖啡渣之间的关系。

2.Fiche selectin 是指在建立模型时使用 Fiche 的频率。如果我们使用与教师无关的预测因子，我们仍然可以得到一个分类排序。

与我对 "预测能力 "的理解类似的例子还有 caret::classDist()，它定义了每一类重心的马哈拉诺比斯 采样距离 。或者是 woeBinning。R 中有很多方法和软件包。还有更多基于信息论的方法。

1...273827392740274127422743274427452746274727482749275027512752...3399
新评论