Discusión sobre el artículo "Uso práctico de las redes neuronales de Kohonen en el trading algorítmico (Parte II) Optimización y previsión" - página 3
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
En el documento, durante el análisis de diferentes mapas, se utiliza la propiedad de que en dos mapas una celda con coordenadas coincidentes (X; Y) corresponde al mismo conjunto de parámetros de entrada TC. ¿Cómo se forma esta regla?
Si se comparan mapas, cada mapa es un corte por los coeficientes de peso i-ésimo de las neuronas correspondientes (el mismo par de coordenadas X;Y es la misma neurona). Y cada neurona recoge vectores similares (pero no necesariamente exactamente iguales), es decir, en nuestro caso, configuraciones TC. Esta generalización está garantizada por el propio algoritmo de Kohonen.
Hace tiempo queme interesan los SOM, encontré tiempo y leí el libro de referencia "Toivo Kohonen: Self-Organising Maps".
El artículo es ciertamente informativo, pero por alguna razón creo que el autor se hace ilusiones.
Eso es lo que dice Kohonen:
es decir, todo lo que SOM puede producir es visualización basada en características de entrada, no predicción.
Hace tiempo queme interesan los SOM, he encontrado tiempo y estoy leyendo el libro de referencia "Toivo Kohonen: Self-Organising Maps".
El artículo es ciertamente informativo, pero por alguna razón creo que el autor se hace ilusiones.
Eso es lo que escribe Kohonen:
es decir, todo lo que SOM puede producir es sólo una visualización de las características de entrada, no una predicción.
Los mapas de Kohonen permiten predecir por analogía con la reconstrucción de datos incompletos, es decir, por generalización. Esto es una realidad, disponible en gran volumen, en particular en google bajo la consulta "kohonen map time series forecasting". La cita anterior confirma más que refuta al autor, y parece un intento de hacer malabarismos con términos fuera de contexto. En el artículo resumimos y agrupamos los datos, lo que nos facilita la toma de decisiones y la interpretación del mercado (instrumento) en estados (clases) preferidos. Puede que el paso de SOM a LVQ tenga un efecto positivo, pero no dispongo de ese material. Sin embargo, como aprendizaje sin maestro, SOM es en cierto modo más adecuado para la "caja negra" del mercado, en mi opinión.
La cita anterior confirma más que refuta al autor, y huele a intento de hacer malabarismos con términos fuera de contexto.
Usted decide cómo interpretar mi afirmación.
Me gusta mucho la idea de utilizar SOM como decodificador(electrónica): al entrenar, alimentamos un conjunto de características (significativas basadas en nuestra visión), la salida es una evaluación visual de it.... a continuación, utilizar el SOM entrenado en el comercio,
pero SOM no funciona como un clasificador, después de la formación no dará la misma imagen en los nuevos datos que en la prueba.
En el artículo generalizamos y agrupamos los datos, lo que simplifica nuestro proceso de toma de decisiones y la interpretación del mercado (instrumento) en estados (clases) preferidos.
Sí, esto es exactamente lo que hace SOM: se puede utilizar simplemente para encontrar y analizar patrones en los datos originales.
pero esta tarea tampoco tiene solución "de frente", para el entrenamiento de SOM sometemos los datos basándonos en nuestra hipótesis no respaldada sobre la existencia de regularidades y sin conocimiento sobre la cantidad de información en cada conjunto de datos, si uno de los conjuntos de datos contiene información excesiva, conducirá a la distorsión del resultado, como el ejemplo más simple - utilizamos algunas señales en TF H1 para un conjunto de instrumentos de negociación, pero no tuvimos en cuenta que el tiempo de las sesiones de negociación para algunos instrumentos es de 1/3 de un día, y para otros es de 24 horas al día.
--------------------------------------
hay muchos estudios médicos en Internet con aplicación de SOM, para estos fines se trata de una aplicación correcta de SOM: los conjuntos de datos y características sobre los que los médicos quieren agrupar y visualizar sus datos los preparan ellos mismos basándose en sus conocimientos.
Aplicado al comercio, el uso de SOM desde el punto de vista médico tendrá este aspecto
- tenemos estadísticas de pacientes con mocos, apendicitis y fracturas de extremidades.
- Aplicamos SOM y concluimos que si un paciente acude con mocos, es probable que sufra una fractura de extremidad y que la apendicitis es estadísticamente improbable.
- concluimos que un paciente con mocos tiene más probabilidades de estornudar en invierno, lo que provoca caídas y causa fracturas de extremidades.
Bien, todo esto es lógico desde un punto de vista estadístico, e incluso lógico, pero a mi juicio concluir que un paciente con goteo nasal provocará una fractura de extremidades en el futuro y tomar medidas preventivas basándose en este estudio no es la mejor forma de utilizar SOM.
Las analogías se hacen de oído, en mi opinión. Además, en las mejores tradiciones de trolling, la crítica se basa en suposiciones no tomadas del artículo. Sería deseable escribir no en un estilo nihilista (como no se puede hacer esto (qué exactamente - todavía no está claro)), pero constructiva - cómo y qué se debe hacer (NB, no tenemos "hipótesis apoyadas" de antemano - si los tuviéramos, la red podría no ser utilizado o se puede utilizar la red con un maestro).
la crítica se basa en premisas no extraídas del artículo.
Su artículo se basa en su búsqueda de "un gato oscuro en una habitación oscura, sobre todo si no está allí".
Las analogías están sacadas de oído, imho. Además, en la mejor tradición del trolling.
No veo el punto de continuar la discusión en esta dirección, hay el libro de Kohonen, hay buenos artículos introductorios sobre SOM en otros recursos (por alguna razón confío en basegroup.ru - materiales interesantes) y no hay tareas de previsión para SOM y hay su artículo, que como Wiki afirma que la previsión con SOM es posible.
No veo el sentido de continuar la discusión en esta dirección, está el libro de Kohonen, hay buenos artículos introductorios sobre SOM en otros recursos (por alguna razón confío en basegroup.ru - materiales interesantes) y no hay tareas de previsión para SOM y está tu artículo, que, como Wiki, afirma que la previsión con SOM es posible.
No tengo nada en contra de basegroup, los conozco desde hace mucho tiempo, pero la afirmación "no hay tareas de previsión para SOM" no es cierta.
No tengo nada en contra de basegroup, los conozco desde hace mucho tiempo, pero la afirmación "no hay tareas de previsión para SOM" no es cierta.
utilice la búsqueda, en google será la cadena de consulta "som forecasting site:basegroup.ru".
el motor de búsqueda le dará una descripción de SOM, que no tiene tareas de previsión.
el motor de búsqueda le dará preguntas de usuarios sobre el uso de SOM, pero las respuestas también justificarán que SOM realiza otras tareas.
SOM puede simplemente visualizar datos multivariantes, el análisis de mapas SOM es más una tarea heurística que formalizada.
La captura de pantalla anterior, que publiqué cuando inicié la discusión con usted del libro "Toivo Kohonen: Self-Organising Maps", también sugiere sólo tareas de visualización para SOM.
pero Wiki y su artículo sugieren utilizar SOM para tareas de predicción, falta encontrar la verdad.
Queda claro tu criterio y tu incapacidad para utilizar un buscador. He expresado todos mis argumentos. No es necesario ensuciar la discusión. Te responderé con tus propias palabras:
No veo sentido en continuar la discusión en esta dirección.
En sus propias palabras:
de manera similar, sus respuestas a mis mensajes son:
a tu intento de hacer malabarismos con los términos.
Además, en la mejor tradición del trolling.
ZY: ¿te he dado una cadena de búsqueda para google? ¿de qué búsqueda estamos hablando? sobre la calidad del material en basegroup.ru tú y yo hemos llegado a una opinión común, o sugieres buscar en Wiki, lo mismo Habr, bastante a menudo buenas discusiones en Stack Overflow .... pero no siempre son fuentes fiables