In Bezug auf die TF-invariante Normalisierung für das Modell ...
Wir nehmen die Reihe, wir identifizieren die wichtigen Haltepunkte.
nur Extrempunkte belassen, den Rest löschen
normalisieren
Nehmen Sie nun die Abstände zwischen den Haltepunkten in der ersten Reihe, erstellen Sie daraus eine neue Reihe und normalisieren Sie ebenfalls
Auf diese Weise erhält man die normierte Reihe, sowohl in den Amplituden als auch in der Zeit (Frequenzen)
Es ist lediglich erforderlich, die Anzahl der Extrema im Muster gerade zu halten, alles andere ist normalisiert.
Das Modell kann also mit Daten gefüttert werden, selbst wenn es sich um eine Minute oder eine Woche handelt, und es wird sie als dasselbe ansehen, es wird sich nicht von der TF unterscheiden.
Sie können ein Modell für alle TFs auf einmal trainieren
=============================================
Für diejenigen, die noch nicht verstanden haben, was es ist und wozu es gut ist
Dies wird ein und dasselbe Muster für das Modell sein, weil es ein und dasselbe Muster ist
In Bezug auf die TF-invariante Normalisierung für das Modell ...
Wir nehmen die Reihe, wir identifizieren die wichtigen Haltepunkte.
nur Extrempunkte belassen, den Rest löschen
normalisieren
Nehmen Sie nun die Abstände zwischen den Haltepunkten in der ersten Reihe, erstellen Sie daraus eine neue Reihe und normalisieren Sie ebenfalls
auf diese Weise erhalten wir eine normalisierte Reihe, sowohl in den Amplituden als auch in der Zeit (Frequenzen).
Es ist lediglich erforderlich, die Anzahl der Extrema im Muster gerade zu halten, alles andere ist normalisiert.
Das Modell kann also mit Daten gefüttert werden, selbst wenn es sich um eine Minute oder eine Woche handelt, und es wird sie als dasselbe ansehen, es wird sich nicht von der TF unterscheiden.
Sie können ein Modell für alle TFs auf einmal trainieren
=============================================
Für diejenigen, die noch nicht verstanden haben, was es ist und wozu es gut ist
Dies wird ein und dasselbe Muster für das Modell sein, weil es ein und dasselbe Muster ist.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Erlauben Sie die Verwendung von Cookies, um sich auf der Website MQL5.com anzumelden.
Bitte aktivieren Sie die notwendige Einstellung in Ihrem Browser, da Sie sich sonst nicht einloggen können.
Sie sind angemeldet. Die Zwei-Faktor-Authentifizierung wurde deaktiviert. Richten Sie sie erneut ein und scannen Sie einen neuen QR-Code oder fahren Sie mit deaktivierter Zwei-Faktor-Authentifizierung fort.
Vladimir, weißt du, was ZZ vom TTR-Paket krank macht?
zieht manchmal solche Unzulänglichkeiten
пример zz <- TTR::ZigZag(HL = cbind(d$X.HIGH.,d$X.LOW.) ,change = 0.0009,percent = F)Und je mehr ich ihn ansehe, desto unzulänglicher erscheint er mir im Allgemeinen.Dies und in MT mit einem Zickzack
Ist das für Sie normal?
Ist das für Sie normal?
Nein, natürlich nicht.
Warum ist das so?
warum passiert das dann?
Offensichtlich werden nicht alle Fälle im Algorithmus berücksichtigt, was kann man sonst noch sagen?
In Bezug auf die TF-invariante Normalisierung für das Modell ...
Wir nehmen die Reihe, wir identifizieren die wichtigen Haltepunkte.
nur Extrempunkte belassen, den Rest löschen
normalisieren
Nehmen Sie nun die Abstände zwischen den Haltepunkten in der ersten Reihe, erstellen Sie daraus eine neue Reihe und normalisieren Sie ebenfalls
Auf diese Weise erhält man die normierte Reihe, sowohl in den Amplituden als auch in der Zeit (Frequenzen)
Es ist lediglich erforderlich, die Anzahl der Extrema im Muster gerade zu halten, alles andere ist normalisiert.
Das Modell kann also mit Daten gefüttert werden, selbst wenn es sich um eine Minute oder eine Woche handelt, und es wird sie als dasselbe ansehen, es wird sich nicht von der TF unterscheiden.
Sie können ein Modell für alle TFs auf einmal trainieren
=============================================
Für diejenigen, die noch nicht verstanden haben, was es ist und wozu es gut ist
Dies wird ein und dasselbe Muster für das Modell sein, weil es ein und dasselbe Muster ist
In Bezug auf die TF-invariante Normalisierung für das Modell ...
Wir nehmen die Reihe, wir identifizieren die wichtigen Haltepunkte.
nur Extrempunkte belassen, den Rest löschen
normalisieren
Nehmen Sie nun die Abstände zwischen den Haltepunkten in der ersten Reihe, erstellen Sie daraus eine neue Reihe und normalisieren Sie ebenfalls
auf diese Weise erhalten wir eine normalisierte Reihe, sowohl in den Amplituden als auch in der Zeit (Frequenzen).
Es ist lediglich erforderlich, die Anzahl der Extrema im Muster gerade zu halten, alles andere ist normalisiert.
Das Modell kann also mit Daten gefüttert werden, selbst wenn es sich um eine Minute oder eine Woche handelt, und es wird sie als dasselbe ansehen, es wird sich nicht von der TF unterscheiden.
Sie können ein Modell für alle TFs auf einmal trainieren
=============================================
Für diejenigen, die noch nicht verstanden haben, was es ist und wozu es gut ist
Dies wird ein und dasselbe Muster für das Modell sein, weil es ein und dasselbe Muster ist.
funktioniert nicht
es funktioniert nicht
was funktioniert nicht? die normalisierung? hast du schlafmangel oder was?)
Führen Sie dieses ZZ in der NS
es sollte in einem gleitenden Fenster geschehen, aber n Extrema, nicht alle, das ist der erste Punkt
Zweitens: Alles, was ich geschrieben habe, habe ich getan, um eine Trendlinie vorherzusagen, nicht nur zum Spaß...
Alle diese Umwandlungen wurden für eine bestimmte Aufgabe vorgenommen.