Kohonen은 데이터를 100개의 클러스터로 분할했는데, 이는 상당히 많은 양입니다. 사이트에서 5-6개의 클러스터로 분할한 사이트에서 촛대 패턴의 정확도는 저에게 훨씬 더 높았어야 했습니다.
하지만 사실 인지도는 끔찍할 뿐, 인정이라고 부를 수도 없다.
=======================================
가장 가까운 이웃 방법(kmeans)으로 클러스터링하는 것이 더 나은 것으로 나타났지만 결과는 여전히 만족스럽지 않습니다.
그런 다음 클러스터를 시각화하기로 결정했습니다.
이상적으로는 다음과 같아야합니다.
50개의 클러스터를 사용하면 다음과 같이 나타납니다.
===========================================
결론
따라서 일종의 노이즈에 대해 이야기하기 전에 먼저 MO가 이 데이터를 이해할 수 있는 방식으로 데이터를 변환해야 합니다. 아마도 이것이 MO가 무작위로 더 잘 학습한 이유일 것입니다. 편차, 분산 등에 대한 엄격한 제한이 적용됩니다. 그는 더 고정적, 내가 오른쪽 vizard 입니까 ???
결론은 그가 패턴 인식에 사용할 촛대의 특성을 제안했다는 것입니다. 다른 모든 것은 구현의 뉘앙스일 뿐입니다. 수식을 만드는 방법을 모르지만 예를 들어 이렇게 하고 싶습니다. 이러한 예측 변수(양초의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 변동. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .
나는 이것을 하고 싶다 - 이 예측 변수(촛대의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 움직임에 따라 3개의 그룹 매수/매도/종료로 나눕니다. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새로운 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .
글쎄, 나는 매우 비슷한 것을했는데 클러스터와 비교할 대상을 모르겠습니다
나는 스프레드를 가지고 ... 100-200 클러스터로 분할
2-10 + - 무언가를 얻은 인용문에 흥미로운 클러스터가 있었고 모든 것이 oos에 유출되었습니다.
oos (실제 인용) 에서 무작위로 2-7개 이상의 흥미로운 클러스터를 찾았습니다. 획득한 클러스터의 약 30-60%, 일부는 매우 안정적입니다.
그러나 여기서 우선 데이터의 올바른 사전 처리 문제가 있습니다. 내가 그 클러스터에 무엇이 있었는지 시각적으로 평가했을 때 문제가 발생했습니다. 예를 들어 두 개의 촛불 클러스터가 있는 경우 두 개의 흰색 촛불이 있을 수 있습니다. 하나의 클러스터에 두 개의 검은 양초, 즉 하나의 클러스터에 두 개의 정반대 상황이 있으면 모든 것이 얼마나 슬픈지 이해하므로 MO가 그렇게 열심히 바보짓하지 않도록 데이터를 일반적으로 사전 처리해야 합니다. 그런 클러스터에서는 의미가 없습니다. 동전 던지기와 동일
Применение машинного обучения может включать работу с данными, тонкую настройку уже обученного алгоритма и т. д. Но масштабная математическая подготовка нужна и на более раннем этапе: когда вы только выбираете модель для дальнейшего использования. Можно выбирать...
양초를 사용하는 이 모든 운동에서 샤머니즘의 지속적인 냄새가 납니다. 규칙적인 생각은 전혀 없습니다! 고급 기계 학습 알고리즘과 기술적 분석의 전형적인 쓰레기의 놀라운 설탕에 절인 과일입니다.
어떤 이유로 다른 통화 쌍을 예측 변수로 사용하려는 노력이 전혀 없습니다. 결국, 그것은 상호 연결된 통화 쌍으로 가득 차 있습니다. 가장 간단한 방법: 목표인 통화 쌍에 대해 이 통화 쌍에서 얻은 예측자가 선택됩니다. 그런 다음 다른 통화 쌍에서 동일한 예측 변수를 가져옵니다.
우리는 많은 예측 변수를 얻은 다음 대상 변수에 대한 영향에 대해 수신된 전체 예측 변수를 확인합니다 . 이 단계는 필수입니다. 왜 빗자루로 방 주위에 쓰레기를 운전합니까?
그리고 다른 모든 것.
내 제안에는 "통화 쌍을 서로 연결"하는 특정 아이디어가 있습니다.
예측 변수 집합을 생성하려는 경우 이것이 아이디어여야 합니다. 그것은 이 아이디어가 될 수 없습니다: 우리는 두 개의 양초를 가져간 다음, 그 색상, 두 번 깜박이고 마지막으로 세 번 깜박입니다.
양초를 사용하는 이 모든 운동에서 샤머니즘의 지속적인 냄새가 납니다. 규칙적인 생각은 전혀 없습니다! 고급 기계 학습 알고리즘과 기술적 분석의 전형적인 쓰레기의 놀라운 설탕에 절인 과일입니다.
어떤 이유로 다른 통화 쌍을 예측 변수로 사용하려는 노력이 전혀 없습니다. 결국, 그것은 상호 연결된 통화 쌍으로 가득 차 있습니다. 가장 간단한 방법: 목표인 통화 쌍에 대해 이 통화 쌍에서 얻은 예측자가 선택됩니다. 그런 다음 다른 통화 쌍에서 동일한 예측 변수를 가져옵니다.
우리는 많은 예측 변수를 얻은 다음 대상 변수에 대한 영향에 대해 수신된 전체 예측 변수를 확인합니다 . 이 단계는 필수입니다. 왜 빗자루로 방 주위에 쓰레기를 운전합니까?
그리고 다른 모든 것.
내 제안에는 "통화 쌍을 서로 연결"하는 특정 아이디어가 있습니다.
예측 변수 집합을 생성하려는 경우 이것이 아이디어여야 합니다. 그것은 이 아이디어가 될 수 없습니다: 우리는 두 개의 양초를 가져간 다음, 그 색상, 두 번 깜박이고 마지막으로 세 번 깜박입니다.
"예를 들어, 네트워크에서 자주 사용되는 활성화 함수. 네트워크의 출력뿐만 아니라 입력에서도 사용할 수 있습니다." = 예측 20년 전의 책들(책은 나쁘지 않다, 오래 동안 훑어보고 있다). A. Ezhov, S. Shumsky, Neurocomputing 및 경제 및 비즈니스에서의 응용. 130. 개별 데이터 정규화. http://www.neuroproject.ru/Papers/EzSh/Lecture_7.pdf
수식을 만드는 방법을 모르지만 예를 들어 이렇게 하고 싶습니다. 이러한 예측 변수(양초의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 변동. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .
나는 그것을 시도, 그것은 작동하지 않습니다. 샘플에서 아주 아름다운 거래를 위해 클러스터를 선택할 수 있지만 oo에서는 거의 항상 돈을 잃습니다. 나쁜 전략입니다.
가격에 대한 코호넨 코칭
오,H,L,C,
O[-1], H[-1], L[-1], C[-1]
전체 계산은 열 이름에서와 같이 현재 열기를 기준으로 수행되었습니다.
H/O L/O C/O O1/O H1/O L1/O C1/O
1 1.004326 0.9986890 1.0011799 0.0000000 0.000000 0.0000000 0.0000000
2 1.000000 0.9962027 0.9968574 0.9988215 1.003143 0.9975121 1.0000000
3 1.005518 0.9989490 1.0045980 1.0032843 1.003284 0.9994745 1.0001314
4 1.000392 0.9966000 0.9975154 0.9954230 1.000915 0.9943769 1.0000000
5 1.006949 1.0000000 1.0038023 1.0026223 1.003016 0.9992133 1.0001311
6 1.005877 0.9993470 1.0045710 0.9960820 1.003004 0.9960820 0.9998694
내가 준 링크에서도 그랬다.
Kohonen은 데이터를 100개의 클러스터로 분할했는데, 이는 상당히 많은 양입니다. 사이트에서 5-6개의 클러스터로 분할한 사이트에서 촛대 패턴의 정확도는 저에게 훨씬 더 높았어야 했습니다.
하지만 사실 인지도는 끔찍할 뿐, 인정이라고 부를 수도 없다.
=======================================
가장 가까운 이웃 방법(kmeans)으로 클러스터링하는 것이 더 나은 것으로 나타났지만 결과는 여전히 만족스럽지 않습니다.
그런 다음 클러스터를 시각화하기로 결정했습니다.
이상적으로는 다음과 같아야합니다.
50개의 클러스터를 사용하면 다음과 같이 나타납니다.
===========================================
결론
따라서 일종의 노이즈에 대해 이야기하기 전에 먼저 MO가 이 데이터를 이해할 수 있는 방식으로 데이터를 변환해야 합니다. 아마도 이것이 MO가 무작위로 더 잘 학습한 이유일 것입니다. 편차, 분산 등에 대한 엄격한 제한이 적용됩니다. 그는 더 고정적, 내가 오른쪽 vizard 입니까 ???
글쎄, 사람들은 간단한 예를 사용하여 더 적은 수의 클러스터에 들어가는 것이 더 쉽다고 생각했습니다)))
=============================================
예, 그래서 그는 숲이 나무를 만드는 방법을 엿보겠다고 제안했습니다 ...
100개의 송이를 가진 이 shnyaga가 때때로 양초의 색상을 혼동하고 어떤 종류의 양초 조합은 말할 것도 없이 적은 수의 송이가 무슨 소용이 있습니까?
나는 나무에 대해 아무것도 기억하지 못한다.
그리고 여기 내가 이해하지 못한 것이 있다
목표는 어땠어?
공식은 어디에서 왔습니까?
네, 저도 잘 모릅니다. 그래서 그는 마술사입니다 :)
결론은 그가 패턴 인식에 사용할 촛대의 특성을 제안했다는 것입니다. 다른 모든 것은 구현의 뉘앙스일 뿐입니다.
수식을 만드는 방법을 모르지만 예를 들어 이렇게 하고 싶습니다. 이러한 예측 변수(양초의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 변동. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .
나는 이것을 하고 싶다 - 이 예측 변수(촛대의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 움직임에 따라 3개의 그룹 매수/매도/종료로 나눕니다. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새로운 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .
글쎄, 나는 매우 비슷한 것을했는데 클러스터와 비교할 대상을 모르겠습니다
나는 스프레드를 가지고 ... 100-200 클러스터로 분할
2-10 + - 무언가를 얻은 인용문에 흥미로운 클러스터가 있었고 모든 것이 oos에 유출되었습니다.
oos (실제 인용) 에서 무작위로 2-7개 이상의 흥미로운 클러스터를 찾았습니다. 획득한 클러스터의 약 30-60%, 일부는 매우 안정적입니다.
그러나 여기서 우선 데이터의 올바른 사전 처리 문제가 있습니다. 내가 그 클러스터에 무엇이 있었는지 시각적으로 평가했을 때 문제가 발생했습니다. 예를 들어 두 개의 촛불 클러스터가 있는 경우 두 개의 흰색 촛불이 있을 수 있습니다. 하나의 클러스터에 두 개의 검은 양초, 즉 하나의 클러스터에 두 개의 정반대 상황이 있으면 모든 것이 얼마나 슬픈지 이해하므로 MO가 그렇게 열심히 바보짓하지 않도록 데이터를 일반적으로 사전 처리해야 합니다. 그런 클러스터에서는 의미가 없습니다. 동전 던지기와 동일
이 기사 를 확인하십시오. 유용할 것 같습니다.
행운을 빕니다
양초를 사용하는 이 모든 운동에서 샤머니즘의 지속적인 냄새가 납니다. 규칙적인 생각은 전혀 없습니다! 고급 기계 학습 알고리즘과 기술적 분석의 전형적인 쓰레기의 놀라운 설탕에 절인 과일입니다.
어떤 이유로 다른 통화 쌍을 예측 변수로 사용하려는 노력이 전혀 없습니다. 결국, 그것은 상호 연결된 통화 쌍으로 가득 차 있습니다. 가장 간단한 방법: 목표인 통화 쌍에 대해 이 통화 쌍에서 얻은 예측자가 선택됩니다. 그런 다음 다른 통화 쌍에서 동일한 예측 변수를 가져옵니다.
우리는 많은 예측 변수를 얻은 다음 대상 변수에 대한 영향에 대해 수신된 전체 예측 변수를 확인합니다 . 이 단계는 필수입니다. 왜 빗자루로 방 주위에 쓰레기를 운전합니까?
그리고 다른 모든 것.
내 제안에는 "통화 쌍을 서로 연결"하는 특정 아이디어가 있습니다.
예측 변수 집합을 생성하려는 경우 이것이 아이디어여야 합니다. 그것은 이 아이디어가 될 수 없습니다: 우리는 두 개의 양초를 가져간 다음, 그 색상, 두 번 깜박이고 마지막으로 세 번 깜박입니다.
양초를 사용하는 이 모든 운동에서 샤머니즘의 지속적인 냄새가 납니다. 규칙적인 생각은 전혀 없습니다! 고급 기계 학습 알고리즘과 기술적 분석의 전형적인 쓰레기의 놀라운 설탕에 절인 과일입니다.
어떤 이유로 다른 통화 쌍을 예측 변수로 사용하려는 노력이 전혀 없습니다. 결국, 그것은 상호 연결된 통화 쌍으로 가득 차 있습니다. 가장 간단한 방법: 목표인 통화 쌍에 대해 이 통화 쌍에서 얻은 예측자가 선택됩니다. 그런 다음 다른 통화 쌍에서 동일한 예측 변수를 가져옵니다.
우리는 많은 예측 변수를 얻은 다음 대상 변수에 대한 영향에 대해 수신된 전체 예측 변수를 확인합니다 . 이 단계는 필수입니다. 왜 빗자루로 방 주위에 쓰레기를 운전합니까?
그리고 다른 모든 것.
내 제안에는 "통화 쌍을 서로 연결"하는 특정 아이디어가 있습니다.
예측 변수 집합을 생성하려는 경우 이것이 아이디어여야 합니다. 그것은 이 아이디어가 될 수 없습니다: 우리는 두 개의 양초를 가져간 다음, 그 색상, 두 번 깜박이고 마지막으로 세 번 깜박입니다.
=========================================
기사의 자료 또는 일반적으로 말하는 내용입니까?
침례를 받아야 할 것 같을 때. 지금과 ssa))))
"예를 들어, 네트워크에서 자주 사용되는 활성화 함수. 네트워크의 출력뿐만 아니라 입력에서도 사용할 수 있습니다." = 예측
20년 전의 책들(책은 나쁘지 않다, 오래 동안 훑어보고 있다). A. Ezhov, S. Shumsky, Neurocomputing 및 경제 및 비즈니스에서의 응용.
130. 개별 데이터 정규화.
http://www.neuroproject.ru/Papers/EzSh/Lecture_7.pdf
"잘 작동하는 중요한 트릭은 '특이 구조 분석' 또는 '캐터필러' 방법의 매개변수를 사용하는 것입니다." 1996)))
http://www.gistatgroup.com/gus/ex1.html
조언을 하기에는 아직 작습니다.
그리고 SSA는 훌륭한 도구입니다.
행운을 빕니다
양초를 사용하는 이 모든 운동에서 샤머니즘의 지속적인 냄새가 납니다. 규칙적인 생각은 전혀 없습니다! 고급 기계 학습 알고리즘과 기술적 분석의 전형적인 쓰레기의 놀라운 설탕에 절인 과일입니다.
Sanych 잘, 그것을 가지고 그것을하십시오 !!!
1) 아이디어의 본질을 말하다
2) 코드 작성 및 게시
3) oos에서 거래 사진 보여주기
그리고 하나 blah blah ...
글이 아닌 구체적인 조사를 통해 자신이 그렇게 맹렬히 홍보하고 있는 자신의 입장을 확인하고 느낄 수는 있지만 하지 않을 수 있는 정상적인 포스트를 하나쯤은 만들어두시죠?? 그리고 왜 ?? , 나는 이유를 안다...
수식을 만드는 방법을 모르지만 예를 들어 이렇게 하고 싶습니다. 이러한 예측 변수(양초의 특성)를 클러스터링하고, 각 개별 클러스터에서 거래의 수익성을 평가하고, 각 클러스터 이후의 평균 가격 변동. 그런 다음 포리스트와 같은 것으로 클러스터링 대신 논리적 규칙을 얻을 수 있지만 이것은 실제로 필요하지도 않습니다. 모델에 따라 이전에 얻은 규칙에 따라 새 데이터를 클러스터링하고 클러스터 번호로 결정할 수 있습니다 .