Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 296

[mytarmailS]

Hat jemand versucht, mit Rekursionsdiagrammen zu arbeiten? Sie können es hier nachlesenhttps://habrahabr.ru/post/145805/, insbesondere um MOs anstelle von rohen BPs zu ersetzen? könnte als Option funktionieren

x <- cumsum(rnorm(100))
ox <- outer(x, x, function (a, b) abs(a-b))


par(mfrow=c(1,3))
plot(x,t="l")
plot(ox,t="l")
image(ox)

und mehr zu lesenhttp://geo.phys.spbu.ru/Problems_of_geophysics/2005/20_Zolotova_38_2005.pdf

[fxsaber]

Bitte helfen Sie bei der Suche nach R-Analoga.

Forum für Handel, automatisierte Handelssysteme und Strategietests

Bibliotheken: Plattformübergreifende Bibliothek mit originalen mathematischen Funktionen

Automated-Trading, 2017.03.27 11:39

Eine plattformübergreifendeBibliothek mit originellen mathematischen Funktionen:

Autor: fxsaber

[Andrey Dik]

fxsaber:

Bitte helfen Sie bei der Suche nach einem R-Analogon.

Was ist mit R los?

[fxsaber]

Andrej Dik:
Was ist mit R los?

In der Funktionsbeschreibung gibt es einen Bindestrich, an dem Sie das R-Analog angeben müssen. Ich bezweifle, dass R keine solche Statistikfunktion hat. Um den Bindestrich zu entfernen, brauchen Sie einen Namen.

[Andrey Dik]

http://www.scilab.org/

[anonymous]

fxsaber:
In der Funktionsbeschreibung steht an der Stelle, an der das R-Analog angegeben werden soll, ein Bindestrich. Ich bezweifle, dass es in R keine solche Statistikfunktion gibt. Um den Bindestrich zu entfernen, brauchen Sie einen Namen.

cor(x, y, methode = 'pearson')

[fxsaber]

R:

cor(x, y, methode = 'pearson')

Das ist etwas völlig anderes. Es gibt kein Muster

Beschreibung	MQL5	R
Berechnet Pearson, Spearman und Kendall Korrelationskoeffizienten	boolMathCorrelationPearson(constdouble&array1[],constdouble&array2[],double&r) boolMathCorrelationPearson(constint&array1[],constint&array2[],double&r) boolMathCorrelationSpearman(constdouble&array1[],constdouble&array2[],double&r) boolMathCorrelationSpearman(constint&array1[],constint&array2[],double&r) boolMathCorrelationKendall(constdouble&array1[],constdouble&array2[],double&tau) boolMathCorrelationKendall(constint&array1[],constint&array2[],double&tau)	corr()

[toxic]

fxsaber:

Bitte helfen Sie bei der Suche nach dem R-Analog.

"analog" - ist in der Tat sehr vielfältig und reicht von der banalen Pearson-Korrelation, d. h. dem normalisierten Skalarprodukt zweier Vektoren als Näherungsmetrik, bis hin zum restlichen Arsenal des maschinellen Lernens mit der Suche nach repräsentativen Merkmalen und nichtlinearer Klassifizierung.

IMHO, was nicht so gut für Fans von R(r-astes), matlab, "maths", etc. ist, ist, dass es zu gewöhnen und hängt von High-Level-komplexe Funktionen mit einer einfachen Schnittstelle und schafft ein falsches Verständnis von dem, was sie tun, oder besser gesagt, was sie tun KÖNNEN, wenn Sie Zugang zu allen Parametern und Eingeweide, mit dem Verständnis, was und wie, nicht nur, was in der Schnittstelle und ein Artikel über die hubra, dass solcher Mist existiert.

Ich nenne diesen Prozess DE-ORTOGONALISIERUNG oder "Mosaik-Bewusstsein", wenn man gezwungen ist, seinen Kopf nicht mit der Essenz von Algorithmen, sondern mit Tausenden von Namen von Funktionen und Parametern aus irgendwelchen Bibliotheken zu füllen. Aber wenn man bedenkt, dass weder 100.000 noch ein ganzer Haufen High-Level-Funktionen alle Probleme echter technischer Aufgaben lösen werden, da es immer etwas geben wird, das mit dem Lötkolben nachgebessert werden muss, ist diese Art der Entwicklung riskant.

[fxsaber]

DasGleiche gilt für die Korrelation:

"analog" - die Sache ist in der Tat vielfältig, von der trivialen Pearson-Korrelation, d.h. dem normierten Skalarprodukt zweier Vektoren, als Näherungsmaßstab

Ein Benchmarking zeigt, dass R-corr um Größenordnungen langsamer ist, da die algorithmische Komplexität sehr unterschiedlich ist. Daher gibt es kaum ein Gegenstück in R, das normale Geschwindigkeitseigenschaften aufweist.

[anonymous]

fxsaber:

Das ist überhaupt nicht dasselbe. Es gibt kein Muster.

...

apply(embed(pattern, length(signal)), 1, cor, y = signal, method = 'pearson')