交易中的机器学习：理论、模型、实践和算法交易 - 页 451

新评论
 
亚历山大-伊万诺夫。
雷舍托夫向上帝介绍了自己吗？

有传言说；我本人没有出席葬礼。

 

这与交易没有关系，只是一个有趣的实验。


主成分法（PCA）可以用来抑制数据中的噪音，我想看看它在清理噪音图像方面的效果。

我把图像http://sites.psu.edu/siowfa15/wp-content/uploads/sites/29639/2015/10/Fall-beautiful-nature-22666764-900-562.jpg，给它添加了噪音。

这个图像可以表示为一个矩阵。矩阵的高度等于图像的高度，矩阵的宽度=图像的宽度×3（作为红、蓝、绿3个颜色通道）。
然后你可以用常见的R工具找到主要成分，只保留主要成分，并利用它们来尝试重建原始图像。据推测，关于噪声的信息将被储存在不太重要的组件中，通过丢弃它们，我们也将丢弃噪声。

以下是发生的情况

虽然图像质量受到影响，但不再有颗粒。而对于某些物体识别算法来说，第二张图像很可能更适合。

附加的文件：
bitmap_pca.txt  4 kb
 

一个不太粗糙的过滤器。过滤值可以在脚本中改变（SIZE_REDUCTION）。


 
Dr. Trader:

一个不太粗糙的过滤器。过滤值可以在脚本中改变（SIZE_REDUCTION）。


用一种噪音代替另一种噪音 :D

顺便说一下，这种颗粒状的图像很容易被合成视觉的NS所愚弄。我在什么地方看到过一篇文章，说的是嘈杂的路标会迷惑识别路标的NS :)

你很擅长R，是什么阻碍了你去尝试复现计划 https://en.wikipedia.org/wiki/Recurrence_plot

比方说，将图形转换为递归图，并将卷积NS教给这些图像，然后在学习后以转换后的形式输入图形的一个片段，得到结果的图像（预测），然后做反向转换为正常形式

直观地说，计算机视觉对递归图的识别要比时间序列 容易得多，而且不会损失有意义的特征。

但必须进行检查。

 
交易员博士。

虽然图像质量受到影响，但不再有颗粒。而对于某些物体识别算法来说，第二张图片很可能更适合。

在我看来，这张图显示了过度优化--失去了做出正确决定的数据。
 
Maxim Dmitrievsky:

你很擅长R，是什么阻碍了你去尝试复现计划 https://en.wikipedia.org/wiki/Recurrence_plot

比方说，将图形转换为递归图，并对这些图像进行卷积NS的教学，然后在训练之后，以转换后的形式给出一块图形，得到结果的图像（预测），然后做反向转换为正常形式

直观地说，计算机视觉对递归图的识别要比时间序列容易得多，而且不会损失有意义的特征。

但我必须检查。

我没有试过递归图，但它的描述与阿里马的描述非常相似，这个模型也是搜索递归依赖关系的。

你也可以用函数acf()和pacf()来画自相关 图，它与递归图有点类似，但图中会有一个矢量而不是平面。

 
交易员博士。

我没有试过递归图，但描述与阿里马非常相似，这个模型也是在寻找递归的依赖关系。

你也可以使用函数acf()和pacf()来绘制自相关图，这与递归图有点类似，但图中包含一个矢量而不是一个平面。


嗯，这里的主要优势是，整个空间总是被一个情节所填满，而不是像普通的自上而下或自下而上的情节在那里。对机器来说，它将更容易识别，图案的特殊性将说明特定图案的某些规律性。
 
马克西姆-德米特里耶夫斯基。

直观地说，计算机视觉对递归图的识别要比时间序列容易得多，而且不会损失有意义的属性。

但有必要进行检查。

我试过了，我想我甚至写过它，结果和BP一样。



问题是，市场不断产生不同的BP，如果你通过BP或通过任何BP的转换来看市场，那些过去的事情在未来永远不会重复，所以用这样的特征工作对IR来说是没有用的，顺便说一下，对人类也是如此。

 
交易员博士。

这与交易无关，只是一个有趣的实验。

谢谢你!用这种方法，你也可以从噪音中清理声音，例如，旧的或损坏的录音，通过去除它们的噪音成分...但所有这些光谱分析的任务不仅可以用PCA完成，也可以用傅里叶或小波完成。
 
Dr. Trader: 主成分法（PCA）可以用来抑制数据中的噪音，我想看看它在清理嘈杂的图像方面会有什么作用....。

撇开存在大量的类似任务的过滤器不谈。
在Photoshop等软件中，尝试其他的降采样算法------。
ICA、NMF、SVD等。
但由于你对带有DM元素的自动力方法感兴趣，你可以使用聚类，比如说。
K-Means, EM-c, DBSCAN, t-SNE等。
1.试着捕捉噪音。
2.如果你很幸运，那么就把它删除。
3.用最近的邻居代替空隙，等等。
然后我们给他拍一些有不同声音的照片，看看他们的表情如何。
如果你做不到，就让一个拿着铅笔的女孩来修饰吧）））。

1...444445446447448449450451452453454455456457458...3399
新评论