引文中的依赖性统计(信息论、相关和其他特征选择方法)。 - 页 72 1...65666768697071727374 新评论 Avals 2012.10.14 12:06 #711 Mathemat: 没错,这完全正确。ACF是无用的。 然而,相互信息应该是,因为即使在数百条的距离上也没有零的迹象。 请把你的结果发给我--你是如何计算的,你使用了什么数据,等等。 Sceptic Philozoff 2012.10.14 12:14 #712 Avals: 我需要你把结果发给我--你是如何计算的,你用了什么数据,等等。我还没有统计过外卖的数量。我还有其他事情--统计数据。系列数据之间关系的卡方标准。我稍后会公布。我得解释一下才能清楚。 事实上,这与同名者的工作非常接近。甚至连配方都非常相似。 Viktor Zhuravlev 2012.10.14 12:20 #713 alexeymosc: 最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息将变成2.098比特。 这是个什么样的数字?它是一种信息措施)你需要阅读关于TI的文章。简而言之,根据一个特定值的特征信息公式,比特反映了对数据源值随机性的衡量 I(X) = - log(P(x))*P(x)。 另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们得到相互信息I(X;Y)=0。而如果一个反面的滚动恰恰表明随后的反面(或正面)滚动,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。 阿列克谢!我也使用相互信息来为神经网络选择有意义的输入。我通常得到的模型的可预测性为52- 54%。 在我看来,当相互信息>0.1比特时,将获得有价值的结果。对于波动性来说,有可能找到这样的重要投入。 Sceptic Philozoff 2012.10.14 12:44 #714 VNG: 我不知道谁能在五人组中胜出 。然而,我可以看到,他在研究时偶然发现了一个非常有趣的结果,而没有看到它。 我意识到,我在这个主题中的帖子已经处于犯规的边缘,几乎离题。在五,hrenfx。 这些帖子都很好,很有主题。另外就是关于TI对这个问题的适用性,这里有人有疑问。 - 规模的变化有任何 不变性,对不起,我不明白。我把不变性理解为存在一个比例因子(在一般情况下,它可以是任何数字或函数),当与之相乘时,我们得到一个不同比例的新模式。也就是仿生变换,这是结构性在混乱的数据流中的表现。那么问题就来了,要找到这样一个系数。当发现一个图案时,只需乘以这个系数即可。而这种转变既 "向上 "也 "向下 "发挥作用。就这样了。 好吧,就让它这样吧,我对分形做得太过分了。它是存在的,但它并不完美。更确切地说,分形不变性并不完美。 - 如果你调查这两个量之间的关系。 - 为什么会这样,是什么原因导致这种说法 什么声明--我不明白。 - 为什么是两点,而不是三点半? - 哪两个值? 这里就更清楚了。 1.二是因为我们把一个有条件的来源和一个有条件的接受者,并试图找出它们之间是否存在任何依赖关系。 我们编一个字母表(我把收益分布分为量值,对我来说更方便;同名者的做法有点不同,但对结果影响不大),应用TI。对沟通渠道有一些疑虑。也许时间就是沟通的渠道。 如果我们将条形图之间的差异(数字在MT4中计算)固定为,例如,238,那么来源是系列 return(Bars-1), return(Bars-2), ...。返回(238)(在12年的观察中约有80 000个值) 接收器是一系列的 return(Bars-1 - 238), return(Bars-2 - 238), ...。return(0). 简而言之,只是一系列的回报和相同的,相对于自身的238移位。 你可以计算ACF。几乎可以肯定的是,它将等于零或在统计上与之相差无几。嗯,是的,这些系列之间没有明显的线性关系,都是琐碎的,没有鱼。 但我们亚历克斯人不计算ACF,我们计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一句,计算ACF也需要它,这一点人们通常会忽略)。 命名者立即对牛弹琴,计算了这两个系列的相互信息。 我评估了两个随机变量之间关系的卡方检验。 其结果非常相似。 - 这两个量的联合分布代表了一个面。什么,我们要搬到另一个雷阿尔诺斯特吗? 我们在那里已经有一段时间了,只是不是每个人都能意识到这一点。 到目前为止,这一切都只是一个钓鱼竿项目,它根本不是一条鱼。 [删除] 2012.10.14 13:21 #715 IgorM: 嗯,多年来我不想在阿尔帕里论坛上注册,但今天我不得不这样做,否则我还没有读到链接的主题,但没关系。我已经说得再好不过了。 我希望我是错的,但你的 "魔块 "更多的是在我的脑子里,通过渠道的TS与通过直觉的TS非常相似,这里有一个未完成的预测 我用不同的构建 "扭曲 "水平,我看到他们在拟议的TS中50/50地工作,结果非常相似,我怀疑,即使我采取十年的价格运动,他们将在历史上或在不久的将来重合。 伊戈尔,我不倾向于将任何人或任何事理想化。但我已经说过 - 这些不是TS,这些是市场运动的模型。你必须自己建立一个基于它们的TS。 - 作者一直反对预测。他的作品的精髓用一句话来表达--反弹,去前一个,突破--去后一个。 - 在我看来,这不是一个预测,而是一个可能的目标,我个人没有关注过。 - 你在寻找缺陷,而没有试图去了解所提议的内容。我理解你的怀疑态度,但你的出发点是错误的。首先尝试进入规则和结构的本质。为了让你更容易理解--瓦迪姆的通道是同一个蜡烛,但与TF没有关系。 TAdv根据六个控制点来推测运动发展。该通道是Tadv中的1和2点。摆动是Tadv的1,2,3点。请注意,无论是作为TAdv作者之一的Jan,还是V-Channels和V-Swings的作者Vadim,都没有证明和说服任何人,只在严格定义的情况下出现在这里,不向任何人索取任何东西,不做任何宣传。他们不藐视,行为正确。这不是信念和内在力量的指标吗?他们只是无私地帮助和分享他们的发展。TAdv是10多年前提出的,VKanals和Vsvings,我不敢撒谎,大概有7个,都是经过时间考验的,有很多追随者。检验效果的唯一方法是自己深入研究并测试它是否有效。否则,它将停留在 "信不信由你 "的层面上。 好运。 Igor Makanu 2012.10.14 13:39 #716 VNG: 伊戈尔,我不倾向于将任何人或任何事理想化。但我已经说过 嗯,这次经历很成功,我的帖子在网上停留了大约5分钟,但甚至成功地勾搭到了一个人,而且不是当地的常客。 Alexey Burnakov 2012.10.14 14:03 #717 renegate: 阿列克谢!我也用相互信息来为神经网络选择有意义的输入。通常我得到的模型的收益预测性为52- 54%。 在我看来,当相互信息>0.1比特时,可以获得良好的结果。对于波动性来说,有可能找到这样的重要投入。 哦,很高兴看到有人也学会了如何将TI应用于选择重要变量的问题中来。 只是你的建议有点不完整或者说是不完整。简单的事实是,一个数据源的平均信息可能是不同的。有意义的互信息阈值也将取决于此。你的平均信息流H(X)是多少? [删除] 2012.10.14 14:28 #718 Mathemat: 在一个五 -hrenfx。 这些帖子很好,相当到位。除了关于TI对该主题的适用性之外,有些人在这里还有疑问。 好吧,就让它这样吧,我的分身术做得太过了。有的,但并不理想。更确切地说,分形不变性并不理想。 什么声明--我不明白。 这里就更清楚了。 1.二是因为我们把一个有条件的来源和一个有条件的接受者,并试图找出它们之间是否有任何依赖关系。 我们编一个字母表(我把收益分布分为量值,对我来说更方便;我的同名同姓的做法有点不同,但对结果影响不大),应用TI。对沟通渠道有一些疑虑。也许时间就是沟通的渠道。 如果我们将条形图之间的差异(数字是在MT4中计算的)固定为,例如,238,-那么来源是系列的 return(Bars-1), return(Bars-2), ...。返回(238)(12年内约有80 000个值) 接收器是一个系列 return(Bars-1 - 238), return(Bars-2 - 238), ...。return(0). 简而言之,只是一系列的回报和相同的,相对于自身的238移位。 有可能计算出ACF。几乎可以肯定的是,它将等于零或在统计上与之相差无几。嗯,是的,这些系列之间没有明显的线性关系,都是琐碎的,没有鱼。 但我们亚历克斯人不计算ACF,我们计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一句,计算ACF也需要它,只是不是每个人都能理解它!) Tezka立即乘胜追击,计算出这两个系列的相互信息。 我评估了两个随机变量之间关系的卡方检验。 其结果非常相似。 是的,我们已经在那里呆了很长时间,只是不是每个人都能理解它。 所有这些,到目前为止只有一根草竿,它根本不是一条鱼。 谢谢你,阿列克谢,现在一切都很清楚了。 在这个问题的背景下,通信渠道的特点是绝对不相关的,它们将通过信息熵自动计算。 [删除] 2012.10.14 14:35 #719 IgorM: 嗯,体验很成功,我的帖子在主题上停留了大约5分钟,但竟然被屏蔽了,而且不是本地的常客。 经验是什么? Alexey Burnakov 2012.10.14 14:35 #720 Mathemat: 但我们,阿列克谢,不是在计算ACF,而是在计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一下,计算ACF时也需要它。 说得好!我们,阿列克谢,赞成市场无效率。而且我们已经有实际的结果表明了这一点,但通过经典的统计-计量方法的棱镜 是看不到的。 1...65666768697071727374 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
没错,这完全正确。ACF是无用的。
然而,相互信息应该是,因为即使在数百条的距离上也没有零的迹象。
请把你的结果发给我--你是如何计算的,你使用了什么数据,等等。
我需要你把结果发给我--你是如何计算的,你用了什么数据,等等。
我还没有统计过外卖的数量。我还有其他事情--统计数据。系列数据之间关系的卡方标准。我稍后会公布。我得解释一下才能清楚。
事实上,这与同名者的工作非常接近。甚至连配方都非常相似。
最大可能是2.098比特。这是该特定数据系列的平均信息。例如,如果滞后1的条形完全决定了零条形,那么它们的相互信息将变成2.098比特。
这是个什么样的数字?它是一种信息措施)你需要阅读关于TI的文章。简而言之,根据一个特定值的特征信息公式,比特反映了对数据源值随机性的衡量
I(X) = - log(P(x))*P(x)。
另一个例子。我们抛出一枚硬币,计算两个连续事件之间的相互信息。根据我在文章中翻译的公式,我们得到相互信息I(X;Y)=0。而如果一个反面的滚动恰恰表明随后的反面(或正面)滚动,那么I(X;Y)将是1--这就是 "公平硬币 "数据源的平均信息。
阿列克谢!我也使用相互信息来为神经网络选择有意义的输入。我通常得到的模型的可预测性为52- 54%。 在我看来,当相互信息>0.1比特时,将获得有价值的结果。对于波动性来说,有可能找到这样的重要投入。
我意识到,我在这个主题中的帖子已经处于犯规的边缘,几乎离题。
在五,hrenfx。
这些帖子都很好,很有主题。另外就是关于TI对这个问题的适用性,这里有人有疑问。
- 规模的变化有任何 不变性,对不起,我不明白。我把不变性理解为存在一个比例因子(在一般情况下,它可以是任何数字或函数),当与之相乘时,我们得到一个不同比例的新模式。也就是仿生变换,这是结构性在混乱的数据流中的表现。那么问题就来了,要找到这样一个系数。当发现一个图案时,只需乘以这个系数即可。而这种转变既 "向上 "也 "向下 "发挥作用。就这样了。
好吧,就让它这样吧,我对分形做得太过分了。它是存在的,但它并不完美。更确切地说,分形不变性并不完美。
- 如果你调查这两个量之间的关系。
- 为什么会这样,是什么原因导致这种说法
什么声明--我不明白。
- 为什么是两点,而不是三点半?
- 哪两个值?
这里就更清楚了。
1.二是因为我们把一个有条件的来源和一个有条件的接受者,并试图找出它们之间是否存在任何依赖关系。
我们编一个字母表(我把收益分布分为量值,对我来说更方便;同名者的做法有点不同,但对结果影响不大),应用TI。对沟通渠道有一些疑虑。也许时间就是沟通的渠道。
如果我们将条形图之间的差异(数字在MT4中计算)固定为,例如,238,那么来源是系列
return(Bars-1), return(Bars-2), ...。返回(238)(在12年的观察中约有80 000个值)
接收器是一系列的
return(Bars-1 - 238), return(Bars-2 - 238), ...。return(0).
简而言之,只是一系列的回报和相同的,相对于自身的238移位。
你可以计算ACF。几乎可以肯定的是,它将等于零或在统计上与之相差无几。嗯,是的,这些系列之间没有明显的线性关系,都是琐碎的,没有鱼。
但我们亚历克斯人不计算ACF,我们计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一句,计算ACF也需要它,这一点人们通常会忽略)。
命名者立即对牛弹琴,计算了这两个系列的相互信息。
我评估了两个随机变量之间关系的卡方检验。
其结果非常相似。
- 这两个量的联合分布代表了一个面。什么,我们要搬到另一个雷阿尔诺斯特吗?
我们在那里已经有一段时间了,只是不是每个人都能意识到这一点。
到目前为止,这一切都只是一个钓鱼竿项目,它根本不是一条鱼。
嗯,多年来我不想在阿尔帕里论坛上注册,但今天我不得不这样做,否则我还没有读到链接的主题,但没关系。我已经说得再好不过了。
我希望我是错的,但你的 "魔块 "更多的是在我的脑子里,通过渠道的TS与通过直觉的TS非常相似,这里有一个未完成的预测
我用不同的构建 "扭曲 "水平,我看到他们在拟议的TS中50/50地工作,结果非常相似,我怀疑,即使我采取十年的价格运动,他们将在历史上或在不久的将来重合。
伊戈尔,我不倾向于将任何人或任何事理想化。但我已经说过
- 这些不是TS,这些是市场运动的模型。你必须自己建立一个基于它们的TS。
- 作者一直反对预测。他的作品的精髓用一句话来表达--反弹,去前一个,突破--去后一个。
- 在我看来,这不是一个预测,而是一个可能的目标,我个人没有关注过。
- 你在寻找缺陷,而没有试图去了解所提议的内容。我理解你的怀疑态度,但你的出发点是错误的。首先尝试进入规则和结构的本质。为了让你更容易理解--瓦迪姆的通道是同一个蜡烛,但与TF没有关系。
TAdv根据六个控制点来推测运动发展。该通道是Tadv中的1和2点。摆动是Tadv的1,2,3点。请注意,无论是作为TAdv作者之一的Jan,还是V-Channels和V-Swings的作者Vadim,都没有证明和说服任何人,只在严格定义的情况下出现在这里,不向任何人索取任何东西,不做任何宣传。他们不藐视,行为正确。这不是信念和内在力量的指标吗?他们只是无私地帮助和分享他们的发展。TAdv是10多年前提出的,VKanals和Vsvings,我不敢撒谎,大概有7个,都是经过时间考验的,有很多追随者。检验效果的唯一方法是自己深入研究并测试它是否有效。否则,它将停留在 "信不信由你 "的层面上。
好运。
阿列克谢!我也用相互信息来为神经网络选择有意义的输入。通常我得到的模型的收益预测性为52- 54%。 在我看来,当相互信息>0.1比特时,可以获得良好的结果。对于波动性来说,有可能找到这样的重要投入。
哦,很高兴看到有人也学会了如何将TI应用于选择重要变量的问题中来。
只是你的建议有点不完整或者说是不完整。简单的事实是,一个数据源的平均信息可能是不同的。有意义的互信息阈值也将取决于此。你的平均信息流H(X)是多少?
在一个五 -hrenfx。
这些帖子很好,相当到位。除了关于TI对该主题的适用性之外,有些人在这里还有疑问。
好吧,就让它这样吧,我的分身术做得太过了。有的,但并不理想。更确切地说,分形不变性并不理想。
什么声明--我不明白。
这里就更清楚了。
1.二是因为我们把一个有条件的来源和一个有条件的接受者,并试图找出它们之间是否有任何依赖关系。
我们编一个字母表(我把收益分布分为量值,对我来说更方便;我的同名同姓的做法有点不同,但对结果影响不大),应用TI。对沟通渠道有一些疑虑。也许时间就是沟通的渠道。
如果我们将条形图之间的差异(数字是在MT4中计算的)固定为,例如,238,-那么来源是系列的
return(Bars-1), return(Bars-2), ...。返回(238)(12年内约有80 000个值)
接收器是一个系列
return(Bars-1 - 238), return(Bars-2 - 238), ...。return(0).
简而言之,只是一系列的回报和相同的,相对于自身的238移位。
有可能计算出ACF。几乎可以肯定的是,它将等于零或在统计上与之相差无几。嗯,是的,这些系列之间没有明显的线性关系,都是琐碎的,没有鱼。
但我们亚历克斯人不计算ACF,我们计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一句,计算ACF也需要它,只是不是每个人都能理解它!)
Tezka立即乘胜追击,计算出这两个系列的相互信息。
我评估了两个随机变量之间关系的卡方检验。
其结果非常相似。
是的,我们已经在那里呆了很长时间,只是不是每个人都能理解它。
所有这些,到目前为止只有一根草竿,它根本不是一条鱼。
谢谢你,阿列克谢,现在一切都很清楚了。
在这个问题的背景下,通信渠道的特点是绝对不相关的,它们将通过信息熵自动计算。
嗯,体验很成功,我的帖子在主题上停留了大约5分钟,但竟然被屏蔽了,而且不是本地的常客。
经验是什么?
但我们,阿列克谢,不是在计算ACF,而是在计算非线性的依赖关系--任何依赖关系。这就是这两个量的联合分布的作用。我们拥有它。(顺便说一下,计算ACF时也需要它。
说得好!我们,阿列克谢,赞成市场无效率。而且我们已经有实际的结果表明了这一点,但通过经典的统计-计量方法的棱镜 是看不到的。