交易中的机器学习：理论、模型、实践和算法交易 - 页 3255

新评论
 
Maxim Dmitrievsky #:

您仍然需要检查所有这些数据，并挑选出最好的数据与新数据进行核对。

#32456
给定性状行间的相关矩阵，然后选出相关性最强的行


你建立了一个（大的）性状相关矩阵，然后选择了相关性最强的行？ 这些是类似的模式吗？

 
mytarmailS #:
相关性矩阵，然后选出相关性最高的行


建立特征的相关矩阵（大），然后根据矩阵选择相关行？这些 是类似模式 吗？

有点像

 

(顺便说一句，或者说这里又出现了对理论成果的自我美化：-））。

每个人都知道，在大多数情况下，培训和测试都是为 BO 实际进行的，但您却试图在外汇交易中使用它们，而且最初的入门业务规则是混杂和混乱的。其中一个该死的细微差别是

 
Maxim Kuznetsov #:

(顺便说一句，否则这里又会出现对理论成果的普遍自我美化：--）

每个人都知道，在大多数情况下，培训和测试都是为 BO 实际进行的，但您却试图将它们用于外汇交易？其中一个该死的细微差别是

BO 是什么？您经常使用和缩写的东西 - 别人不会使用，也不知道您的意思。正常情况下，作者在第一次写作时会写全称并显示缩写，然后再写缩写。

 
Maxim Dmitrievsky #:

某种

就我个人而言，我看不出有什么理由要把数据转换成 kor 矩阵。


下面是算法在带特征的常规行和带特征的 Cor 矩阵中搜索模式时的对比。

我看不出有任何优势...

#  признаки
set.seed(1)
x <- sample(1:5,1000,replace = T)
X <- embed(x,5)[,5:1]

#  кореляционная матрица
corX <- cor(t(X))

#  снижение размерности для визуализации
um_corX <- umap::umap(corX)$layout
um_X <- umap::umap(X)$layout

#  кластеризирую чтобы оценить кластера близких точек
db_corX <- dbscan::hdbscan(um_corX,minPts = 5)$cluster
db_X <- dbscan::hdbscan(um_X,minPts = 5)$cluster

par(mfrow=c(2,1), mar=c(2,2,2,2))
plot(um_X, col= db_X, main="поверхность обычныой матрицы с данными", pch=20,lwd=2)
plot(um_corX, col= db_corX, main="поверхность корреляцонной матрицы", pch=20,lwd=2)


我把数据改成了类似时间序列的数据，结果还是一样。


 
Maxim Dmitrievsky #:

某种

因此，只需在带符号的常规数据集中寻找模式，而不使用 cor. 矩阵，结果几乎肯定是一样的。


附注：我为什么要花这么多时间在这上面...我本可以在 YouTube 上看的...

 
mytarmailS #:

因此，只需在有特征的常规数据集中寻找模式，而不使用相关矩阵，结果将是一样的，几乎可以保证


附注：我为什么要花这么多时间...我本可以在 YouTube 上看的...

就这样吧

 
Maxim Dmitrievsky #:
哦，大家

同意

 
mytarmailS #:

同意

去看 YouTube ))

 
Forester #:

BO 是什么？

在我的印象中，在网站上它是一个公认的缩写：BO - 二进制选项。曲线/斜率/衍生工具，但它是关于离散倒计时和其中的 + -。一些入门业务规则来自期权。而有些则不是，这就造成了这里或那里都行不通的准绳。

回答我的同名人：我双手赞成 MO 和任何运动。但是，如果很长时间都没有结果，那就有必要去找一找了--也许有些东西最初没有以正确的方式布置好。我甚至从未在一个主题中看到过 "使用机器学习 "的演示。有条不紊的搜索也意味着对基础的批评（提问/评论）。

1...324832493250325132523253325432553256325732583259326032613262...3399
新评论