1. 모형 적합 오차 = 0. 글쎄, 그것은 일어나지 않는다, 일어날 수 없다. 그리고 어떻게 할 수 있습니까? 1%는 할 수 있습니까, 아니면 할 수 없습니까? 그리고 5%도 할 수 있습니까, 할 수 없습니까? 그리고 "할 수 있다"는 데 얼마나 많은 %%가 필요합니까?
2. 두 가지 개념: 다시 그리기와 앞을 내다보기. 그것은 무엇입니까? 놀라운 증거가 사용되었습니다. 어떻게 든 의심스러운 지표를 발견하고 버리고 피팅 오류 = 50%를 얻었습니다. 모두. 입증되었습니다. 앞을 내다본다. 증명의 목적은 무엇이며, 증명 자체는 무엇인가.... 노코멘트.
아니면 문제가 훨씬 더 깊고 연금술이 문제를 탐구하는 것을 허용하지 않았습니까?
위에서 문제를 언급했습니다. 분석 방법과 예측 방법이 다르고 고유한 특성이 있으며 분석 방법을 예측으로 이전하는 것은 불가능합니다. 예측을 위해 분석 방법을 사용하는 것이 허용되는지 증명해야 합니다.
우리의 예에서.
일부 지표가 선택되고(원칙적으로 어떤 지표가 중요하지 않음) 해당 값은 전체 샘플에서 계산되어 모델을 가르치고 테스트합니다. 과거 분석에는 문제가 없다. 그리고 예측을 위해서는 그러한 접근 방식의 허용 가능성이 입증되어야 합니다. 왜냐하면 우리는 우리가 처리할 수 있는 다음 바에 관심이 있기 때문입니다. 따라서 창을 가져 와서 모든 표시기를 계산한 다음 모델을 조정해야합니다. 새 막대가 도착하면 이 절차를 다시 반복해야 합니다. 역사가 변했든 말든 - 그것은 흥미롭지 않습니다. 모델은 지표의 마지막 막대 값을 기반으로 해야 합니다. 한 번에 전체 샘플에 대한 지표를 계산할 때 이 지표의 값은 창이 이동할 때 마지막 막대의 값을 포함하지 않을 가능성이 큽니다.
그래서.
ON TIME SERIES 모델을 학습 하려면 창이 훈련 샘플을 따라 이동할 때 마지막 막대의 값에서 얻은 표시기 값을 사용해야 합니다.
추신.
이 방법을 지그재그에 사용하면 지그재그 알고리즘에 따라 0만 얻거나 얼룩이 생기거나 멋진 지그재그와 관련이 없는 선이 생깁니다. 그리고 다시 그리기와 앞을 내다보는 것에 대해 이야기하지 마십시오. 사용할 수 없습니다. 그게 전부입니다.
ON TIME SERIES 모델을 학습 하려면 창이 훈련 샘플을 따라 이동할 때 마지막 막대의 값에서 얻은 표시기 값을 사용해야 합니다.
나는 그것을 직접했고, 내가 몇 페이지 뒤에 첨부한 코드와 그것에 대한 설명을 보라.
문제는 이 6개의 지표가 마지막 막대에서 결과 NA를 제공한다는 것입니다. 그리고 후속 막대를 분석할 때 이 NA 값을 다른 것으로 변경하고 새로운 데이터에 따라 과거 막대의 결과가 변경됩니다(서민에서는 "다시 그리기"). 우리는 이와 동일한 다시 그린 결과를 사용하여 모델을 훈련하고 있으며 새 데이터에 대한 예측을 원할 때 이러한 표시기가 원하는 값 대신 NA를 알려 주므로 허용할 수 없습니다.
이러한 지표를 분석하고 싶다면 슬라이딩 창에서 얻은 지표 값이 있는 rdata 파일이 있습니다. 이 6개의 다시 그리기 표시기의 값은 마지막 막대가 아니라 끝에서 두 번째 막대에 대해 취해져서 NA 대신에 최소한 무언가가 있도록 합니다.
문제는 이 6개의 지표가 마지막 막대에서 결과 NA를 제공한다는 것입니다. 그리고 후속 막대를 분석할 때 이 NA 값을 다른 것으로 변경하고 새로운 데이터에 따라 과거 막대의 결과가 변경됩니다(서민에서는 "다시 그리기"). 우리는 이와 동일한 다시 그린 결과를 사용하여 모델을 훈련하고 새로운 데이터에 대한 예측을 원할 때 이러한 지표가 원하는 값 대신 NA를 알려 주므로 허용할 수 없습니다.
이러한 지표를 분석하고 싶다면 슬라이딩 창에서 얻은 지표 값이 있는 rdata 파일이 있습니다. 이 6개의 다시 그리기 표시기의 값은 마지막 막대가 아니라 끝에서 두 번째 막대에 대해 취해져서 NA 대신에 최소한 무언가가 있도록 합니다.
그래서 그들은 이해하지 못했습니다. 자세히 알아볼 필요가 없습니다. 마지막 막대를 기억하십시오. NA라면 절대 가치가 없습니다. 그건 그렇고, 이것은 마지막 막대의 ZZ 값입니다.
왜 모든 사람들이 모델에 집착하는가? 왜 아무도 표지판의 주제를 개발하지 않습니까? 왜 아무도 비정상성에 대해 이야기하지 않습니까? 왜 아무도 이러한 문제를 해결하려고 하지 않습니까? 왜 아무도 가격을 결정하는 요인에 대해 전혀 생각하지 않습니까? 왜요?
스토캐스틱을 입력으로 제공하면 일반 KNN이든 가장 정교한 심층 네트워크이든 사용하는 모델이 중요하지 않습니다. 정확도 는 최소 3배 깊이에 관계없이 51-53%입니다. 입구에 쓰레기가 있다면 이러한 모델의 용도는 무엇입니까? , 아니, 하지만 95%의 관심은 모델의 방향에 있습니다. 개인적으로 모델은 시스템의 마지막 단계이며 이것은 전체 작업의 2% 에 불과합니다.
그동안 결과를 공유하겠습니다...
내 마지막 알고리즘....
지금까지는 고전적인 의미에서 MO가 전혀 없지만 인식은 존재합니다.
의사결정 시스템 반자동 테 -
첫 번째 단계에서 알고리즘 자체가 특정 구성을 인식하고 나에게 제공합니다.
두 번째 단계에서 나는 그가 나를 위해 계산한 것을 내 눈으로 평가하고 거래 결정을 내립니다. 모든 것이 매우 쉽고 명확하게 평가된다는 사실에도 불구하고 나는 여전히 두 번째 단계를 자동 인식 모드로 전환할 수 없기 때문에 사실 시스템은 여전히 반 수동
시스템은 인트라데이, 거래는 5M 프레임에서 이루어지며, 하루 평균 약 20건의 거래가 있으며, 15거래일 동안 2일 동안만 약간의 손실이 있었습니다.
빨간색 수익률 차트에서 이것은 동일한 검은색 차트이지만 수수료를 고려하면
또한 보다 유연하고 깊이 있는 이해를 위해 트랜잭션을 기술 분석 프로그램으로 이전했습니다.
그리고 비정상성에 대해서도 추가하겠습니다. 제가 화살표로 표시한 이 급격한 변동성을 살펴보겠습니다. 며칠 전이었습니다. 고정된 매개변수에서 거래되었던 모든 시스템이 사실, 이 모든 변동성은 손절매입니다. 글쎄요.
그래서 그것이 내가 말하고 싶은 것입니다. 시장 움직임에 어느 정도 적절하게 대응하기 위해 의사 결정 시스템은 매개변수를 시장에 맞게 지속적으로 적절하게 수정해야 합니다 (한 번 푸리에에 대해 말한 것) . 매개변수가 전혀 없습니다. 그렇지 않으면 방법을 모르겠습니다((
입구에 스토캐스틱이 있는 경우 최소 3배의 깊이라 할지라도 여기에 그리드는 도움이 되지 않습니다.
여기에 게시된 제로 오류 모델 피팅 이야기는 본질적으로 순전히 연금술입니다.
1. 모형 적합 오차 = 0. 글쎄, 그것은 일어나지 않는다, 일어날 수 없다. 그리고 어떻게 할 수 있습니까? 1%는 할 수 있습니까, 아니면 할 수 없습니까? 그리고 5%도 할 수 있습니까, 할 수 없습니까? 그리고 "할 수 있다"는 데 얼마나 많은 %%가 필요합니까?
2. 두 가지 개념: 다시 그리기와 앞을 내다보기. 그것은 무엇입니까? 놀라운 증거가 사용되었습니다. 어떻게 든 의심스러운 지표를 발견하고 버리고 피팅 오류 = 50%를 얻었습니다. 모두. 입증되었습니다. 앞을 내다본다. 증명의 목적은 무엇이며, 증명 자체는 무엇인가.... 노코멘트.
아니면 문제가 훨씬 더 깊고 연금술이 문제를 탐구하는 것을 허용하지 않았습니까?
위에서 문제를 언급했습니다. 분석 방법과 예측 방법이 다르고 고유한 특성이 있으며 분석 방법을 예측으로 이전하는 것은 불가능합니다. 예측을 위해 분석 방법을 사용하는 것이 허용되는지 증명해야 합니다.
우리의 예에서.
일부 지표가 선택되고(원칙적으로 어떤 지표가 중요하지 않음) 해당 값은 전체 샘플에서 계산되어 모델을 가르치고 테스트합니다. 과거 분석에는 문제가 없다. 그리고 예측을 위해서는 그러한 접근 방식의 허용 가능성이 입증되어야 합니다. 왜냐하면 우리는 우리가 처리할 수 있는 다음 바에 관심이 있기 때문입니다. 따라서 창을 가져 와서 모든 표시기를 계산한 다음 모델을 조정해야합니다. 새 막대가 도착하면 이 절차를 다시 반복해야 합니다. 역사가 변했든 말든 - 그것은 흥미롭지 않습니다. 모델은 지표의 마지막 막대 값을 기반으로 해야 합니다. 한 번에 전체 샘플에 대한 지표를 계산할 때 이 지표의 값은 창이 이동할 때 마지막 막대의 값을 포함하지 않을 가능성이 큽니다.
그래서.
ON TIME SERIES 모델을 학습 하려면 창이 훈련 샘플을 따라 이동할 때 마지막 막대의 값에서 얻은 표시기 값을 사용해야 합니다.
추신.
이 방법을 지그재그에 사용하면 지그재그 알고리즘에 따라 0만 얻거나 얼룩이 생기거나 멋진 지그재그와 관련이 없는 선이 생깁니다. 그리고 다시 그리기와 앞을 내다보는 것에 대해 이야기하지 마십시오. 사용할 수 없습니다. 그게 전부입니다.
KEEL 의 관문인 새롭고 매우 유망한 RKEEL 패키지가 나타났습니다.
행운을 빕니다
패키지의 전망이 무엇인지 최소한 간략하게 말씀해 주시겠습니까? 또는 세)
여기에 게시된 모델 피팅 오류가 0인 이야기는 순전히 연금술적 성격을 띠고 있습니다.................................
그는 무엇을 말 했는가? 아무것도 이해하지 못했습니다 :)
그리고 패키지의 전망이 무엇인지 최소한 간략하게 말씀해 주시겠습니까? 또는 세)
===================================================== ========
내가 설명한다:
1. 소프트웨어 제품 "KEEL"을 사용하면 R 언어에 대한 깊은 지식 없이도 회귀, 클러스터링 및 분류 문제를 해결하기 위한 다양한 모델 클래스를 생성, 테스트 및 탐색할 수 있습니다. 이것은 래틀과 유사한 프로그램이지만 더 고급입니다.
이 프로그램은 그래픽 기성품 "큐브"/모듈을 사용하여 빠르고 명확하게 KNIME과 유사하지만 더 간단하게 구축됩니다. 프로토타이핑 후 완성된 프로그램은 "RKEEL" 패키지를 사용하여 R로 간단히 전송됩니다.
모듈로 구성된 프로그램의 그래픽 표현은 특히 주로 상인인 초보 프로그래머를 위해 생성 속도를 크게 높이고 용이하게 합니다. . R에 대한 유사한 프로그램 - "RedR" 및 "RAnalicFlow" 가 있지만 제대로 지원되지 않습니다.
2. 변수의 전처리 및 변환을 위한 많은 모듈이 제안되어 좋습니다.
3. R에는 없는 많은 독창적인 알고리즘이 제안되었습니다.
데이터에서 지식을 추출하는 다양한 방법을 통해 거래 문제를 보다 유연하게 해결할 수 있습니다.
행운을 빕니다
그는 무엇을 말 했는가? 아무것도 이해하지 못했습니다 :)
마지막 값을 다이얼해야 합니다.
{
X29_1 <- TrendDetectionSMA(D[i:i+windows,])
X29[i+windows] <- X29_1[windows]
}
결과적으로 X29는 다음으로 구성됩니다. LAST 값, 끝에서 두 번째 값은 다시 그리기 표시기에 대해 조정되지 않습니다.
ON TIME SERIES 모델을 학습 하려면 창이 훈련 샘플을 따라 이동할 때 마지막 막대의 값에서 얻은 표시기 값을 사용해야 합니다.
나는 그것을 직접했고, 내가 몇 페이지 뒤에 첨부한 코드와 그것에 대한 설명을 보라.
문제는 이 6개의 지표가 마지막 막대에서 결과 NA를 제공한다는 것입니다. 그리고 후속 막대를 분석할 때 이 NA 값을 다른 것으로 변경하고 새로운 데이터에 따라 과거 막대의 결과가 변경됩니다(서민에서는 "다시 그리기").
우리는 이와 동일한 다시 그린 결과를 사용하여 모델을 훈련하고 있으며 새 데이터에 대한 예측을 원할 때 이러한 표시기가 원하는 값 대신 NA를 알려 주므로 허용할 수 없습니다.
이러한 지표를 분석하고 싶다면 슬라이딩 창에서 얻은 지표 값이 있는 rdata 파일이 있습니다. 이 6개의 다시 그리기 표시기의 값은 마지막 막대가 아니라 끝에서 두 번째 막대에 대해 취해져서 NA 대신에 최소한 무언가가 있도록 합니다.
나는 그것을 직접했고, 내가 몇 페이지 뒤에 첨부한 코드와 그것에 대한 설명을 보라.
문제는 이 6개의 지표가 마지막 막대에서 결과 NA를 제공한다는 것입니다. 그리고 후속 막대를 분석할 때 이 NA 값을 다른 것으로 변경하고 새로운 데이터에 따라 과거 막대의 결과가 변경됩니다(서민에서는 "다시 그리기").
우리는 이와 동일한 다시 그린 결과를 사용하여 모델을 훈련하고 새로운 데이터에 대한 예측을 원할 때 이러한 지표가 원하는 값 대신 NA를 알려 주므로 허용할 수 없습니다.
이러한 지표를 분석하고 싶다면 슬라이딩 창에서 얻은 지표 값이 있는 rdata 파일이 있습니다. 이 6개의 다시 그리기 표시기의 값은 마지막 막대가 아니라 끝에서 두 번째 막대에 대해 취해져서 NA 대신에 최소한 무언가가 있도록 합니다.
R의 딥 러닝에 대한 리뷰를 받았습니다.
피상적이고 부정확한 기사가 많습니다. 분명히 학생들은 기말 논문으로 썼습니다.
댓글을 쓰고 싶은데 어디서 해야할지 못찾았습니다.
인기리뷰로 좋은데 행동지침은 아닙니다.
행운을 빕니다
왜 모든 사람들이 모델에 집착하는가? 왜 아무도 표지판의 주제를 개발하지 않습니까? 왜 아무도 비정상성에 대해 이야기하지 않습니까? 왜 아무도 이러한 문제를 해결하려고 하지 않습니까? 왜 아무도 가격을 결정하는 요인에 대해 전혀 생각하지 않습니까? 왜요?
스토캐스틱을 입력으로 제공하면 일반 KNN이든 가장 정교한 심층 네트워크이든 사용하는 모델이 중요하지 않습니다. 정확도 는 최소 3배 깊이에 관계없이 51-53%입니다. 입구에 쓰레기가 있다면 이러한 모델의 용도는 무엇입니까? , 아니, 하지만 95%의 관심은 모델의 방향에 있습니다. 개인적으로 모델은 시스템의 마지막 단계이며 이것은 전체 작업의 2% 에 불과합니다.
그동안 결과를 공유하겠습니다...
내 마지막 알고리즘....
지금까지는 고전적인 의미에서 MO가 전혀 없지만 인식은 존재합니다.
의사결정 시스템 반자동 테 -
첫 번째 단계에서 알고리즘 자체가 특정 구성을 인식하고 나에게 제공합니다.
두 번째 단계에서 나는 그가 나를 위해 계산한 것을 내 눈으로 평가하고 거래 결정을 내립니다. 모든 것이 매우 쉽고 명확하게 평가된다는 사실에도 불구하고 나는 여전히 두 번째 단계를 자동 인식 모드로 전환할 수 없기 때문에 사실 시스템은 여전히 반 수동
시스템은 인트라데이, 거래는 5M 프레임에서 이루어지며, 하루 평균 약 20건의 거래가 있으며, 15거래일 동안 2일 동안만 약간의 손실이 있었습니다.
빨간색 수익률 차트에서 이것은 동일한 검은색 차트이지만 수수료를 고려하면
또한 보다 유연하고 깊이 있는 이해를 위해 트랜잭션을 기술 분석 프로그램으로 이전했습니다.
그리고 비정상성에 대해서도 추가하겠습니다. 제가 화살표로 표시한 이 급격한 변동성을 살펴보겠습니다. 며칠 전이었습니다. 고정된 매개변수에서 거래되었던 모든 시스템이 사실, 이 모든 변동성은 손절매입니다. 글쎄요.
그래서 그것이 내가 말하고 싶은 것입니다. 시장 움직임에 어느 정도 적절하게 대응하기 위해 의사 결정 시스템은 매개변수를 시장에 맞게 지속적으로 적절하게 수정해야 합니다 (한 번 푸리에에 대해 말한 것) . 매개변수가 전혀 없습니다. 그렇지 않으면 방법을 모르겠습니다((
입구에 스토캐스틱이 있는 경우 최소 3배의 깊이라 할지라도 여기에 그리드는 도움이 되지 않습니다.
행운을 빕니다