fxsaber : MO에서 유사성의 비교 특성이 없을 것이라는 사실. TS가 무엇을 기반으로 하는지 미리 알지 못한다면 훈련을 위해 그러한 데이터를 준비하지 않는 것은 어리석은 일입니다.
작동하지 않을 수 있습니다. 그러나 데이터가 이미 준비된 경우, 즉. 규칙성이 있으며, 어떤 종류의 힐베르트 공간에서 클래스의 포인트(예: 구매 및 판매)는 잘 분리되어 있습니다. 그렇지 않으면 분리될 수 없습니다. MO는 해당 기호를 선택(시도)할 것입니다. 정확한 신호를 아는 것이 그다지 중요하지 않고 데이터에 올바르게 레이블을 지정하고 고양이를 개와 구별하는 것이 중요하기 때문에 여기에는 특정 마술이 있습니다.
복잡한 모델은 큰 이점이 있지만 이미 성공적으로 보낸 몇 년을 보내야합니다.
생물다양성이 전부입니다.
생물다양성이 전부입니다.
간단한 예입니다. 전체 기능 공간 을 포함하는 하나의 교육과 다른 매개변수를 사용한 수천 번의 실행 . 그런 다음 동일한 시각화 및 분석, 불필요한 것 제외.
글쎄, 그것은 모두 ... 그가 원하는대로추신: 어떤 종류의 MO가 그러한 차량을 재설계할 수 있을지 의심스럽습니다. 과거의 현재와 가장 유사한 섹션을 봅니다. 통계적으로 어떤 방향으로 더 많은 움직임이 우세하다면 우리는 거기에 신호를 보냅니다.
글쎄, 그 전에 단순성을 위해 유사한 섹션에 대한 검색이 가격 시리즈가 아니라 예를 들어 변환된 가격 시리즈에서 이루어지면 ZizZag 또는 막대가 이진 논리로 대체됩니다. up(0)/down(1 ). 그러면 MO를 위한 리엔지니어링 작업이 상당히 어려워집니다.
나는 그것을 놓쳤다. 이것은 거래의 예를 시도하는 것이 흥미 롭습니다.
2점이 있다.
MO가 자신의 데이터로 차량을 망가뜨릴 수도 있습니다.
그러나 틱으로 인해 랩톱이 업데이트될 때까지 어지럽힐 준비가 되지 않았습니다.
MO가 자신의 데이터로 차량을 망가뜨릴 수도 있습니다.
나는 그것을 의심하지 않는다. 다만 MO는 과거 유사 상황 검색을 바탕으로 TS를 재생산하지 않을 예정이다.
나는 그것을 의심하지 않는다. 다만 MO는 과거 유사 상황 검색을 바탕으로 TS를 재생산하지 않을 예정이다.
그녀를 그렇게 독특하게 만드는 것은 무엇입니까? 역사에 대해 가르치면 MO는 다른 징후에서 동일한 종속성을 가져옵니다.
어떤 종류의 흉상에서 고양이와 개를 찾았지만 다른 징후가 있습니다. 예를 들어 고양이는 수염이 길다.
ns는 귀가 아닌 콧수염으로 구별하는 법을 배웁니다. 무엇이 바뀔 것입니까?
뭐, 개인차입니다. 이론적으로는 문제가 없습니다.
글쎄, 여기 기사의 상자 그림이 있는 예가 있습니다. 귀하가 설명하는 경우와 같이 통계적 패턴을 찾았습니다. 그런 다음 나는 국회에 임의의 기호로 계절을 거래하도록 가르쳤고 그녀는 더 잘했습니다. 이것은 이해를 위한 것입니다.
그녀를 그렇게 독특하게 만드는 것은 무엇입니까?
MO에서 유사성의 비교 특성이 없을 것이라는 사실. TS가 무엇을 기반으로 하는지 미리 알지 못한다면 훈련을 위해 그러한 데이터를 준비하지 않는 것은 어리석은 일입니다.
작동하지 않을 수 있습니다. 그러나 데이터가 이미 준비된 경우, 즉. 규칙성이 있으며, 어떤 종류의 힐베르트 공간에서 클래스의 포인트(예: 구매 및 판매)는 잘 분리되어 있습니다. 그렇지 않으면 분리될 수 없습니다. MO는 해당 기호를 선택(시도)할 것입니다. 정확한 신호를 아는 것이 그다지 중요하지 않고 데이터에 올바르게 레이블을 지정하고 고양이를 개와 구별하는 것이 중요하기 때문에 여기에는 특정 마술이 있습니다.
그들의 시간과 거래가 있으면 확인할 수 있습니다.
그들의 시간과 거래가 있으면 확인할 수 있습니다.
이 예는 가상의 것이었습니다.
이 예는 가상의 것이었습니다.
가정적으로는 문제가 없습니다. "유사성"은 시계열 이 동일하기 때문에 다른 기능을 통해 추출됩니다. 실제로는 손이 휘는 등의 어려움이 있을 수 있음)
잘 일반화되는 밀접하게 관련된 패턴 세트가 있습니다. 상관 관계를 통해 일반화하면 모델은 히스토리의 슬라이딩 창을 통해 일반화됩니다. 유사한 엔터티는 그룹화되고 구매/판매/거래 안함 레이블이 지정됩니다.
모델 내부의 유사한 영역은 다차원 공간에서만 다음과 같이 보입니다. 각 클러스터에는 자체 구매/판매 레이블이 있습니다. 오케이입니다. 간단한 작업. 멍청한 일반화.
생성 모델의 전문가가 있는 경우 GMM 모델의 공분산 행렬을 흔드는 옵션을 시도할 수 있습니다. 저것들. 계열의 평균과 분산을 변경하지 않고 cov를 변경합니다. GMM 매트릭스. 출력은 다른 속성을 가진 많은 예여야 합니다.
무슨 뜻이에요?
kov 행렬을 흔들기만 하면 됩니다. 랜덤이겠지....
당신은 목표를 알아야합니다 - 왜 흔들어, 최종 컷은 무엇입니까? 그것은해야한다 ???