Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 371
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
Sigo sin entenderlo: ¿correlación inversa o no correlación?
¿O crees que si dos series aleatorias tienen un coeficiente de correlación de -1, entonces "no tienen correlación"?
Yoeklmn.....
ah... Lo entendí enseguida )) Lo entendí enseguida...
1. nadie está analizando la correlación - se trata de la elección de los predictores.
2. Has repetido mi argumento tres páginas antes:"La dependencia es un caso especial de la correlación".Si dos variables son dependientes, entonces definitivamente hay correlación. Si hay correlación, no necesariamente hay dependencia".
3. La entropía cruzada, al igual que la correlación, no dará una respuesta sobre la presencia de dependencia funcional
1) Primero tú mismo emites por correlación, luego borras posts, luego no recuerdas lo que escribiste hace un par de páginas.
Dimitri:
Todo MO se basa en el hecho de que las variables de entrada deben estar correlacionadas con la variable de salida.
2) No, he dicho que puede haber una dependencia incluso cuando no hay correlación.
3) Entropía cruzada. Puede estimar un gran conjunto de predictores en relación con un objetivo a la vez. Cuando cada uno de los predictores no es capaz de predecirlo, pero una determinada combinación de ellos sí. Desgraciadamente, no es cierto para el Forex, pero en general la selección de predictores a través de la entropía cruzada es mucho mejor para el aprendizaje automático que la selección a través de la correlación.
2) No, he dicho que puede haber una correlación incluso donde no la hay.
No puede haber dependencia donde no hay correlación. La correlación puede ser lineal o no lineal, pero lo será si hay dependencia.
Puede haber correlación donde no la hay: una falsa correlación.
No he borrado ni un solo post en este hilo.
No puedo (no sé por qué) descargar el libro para dar pruebas.
Quien tenga la oportunidad, que descargue y cuelgue aquí una foto de ejemplo para que se acaben las discusiones ociosas.
Bendat J., Pearsol A.
Análisis de datos aleatorios aplicados: Traducido del inglés: World, 1989.
En. 126
EJEMPLO 5.4. VARIABLES ALEATORIAS DEPENDIENTES NO CORRELACIONADAS.
.
ss
ejemplo es muy revelador.
Dos predictores igualmente correlacionados: ¿qué descartamos en base a una menor correlación? ¿Cuál está menos correlacionado?
Dmitry, lo siento, pero sospecho que o bien estás intentando trollearme, o bien estás haciendo el tonto, o simplemente eres estúpido, con todos los respetos... No puedes ver en un ejemplo trivial que dos atributos tienen ambos correlación cero con el objetivo, PERO ambos son significativos, ninguno puede ser descartado, la correlación lineal es cero, no es lineal 100%, es decir la correlación puede ser cero y el conjunto de datos es totalmente predecible, lo que tu afirmación:
Dimitri:
Todo MO se basa en el hecho de que las variables de entrada deben estar correlacionadas con la variable de salida.
De lo contrario, no tienen sentido todos los modelos de MO.
Lo refuta completamente.
No puede haber dependencia donde no hay correlación. La correlación puede ser lineal o no lineal, pero lo será si hay dependencia.
No puedo (no sé por qué) descargar el libro para dar pruebas.
Quien tenga la oportunidad, que descargue y cuelgue aquí una foto de ejemplo para que se acaben las discusiones ociosas.
Bendat J., Pearsol A.
Análisis de datos aleatorios aplicados: Traducido del inglés: World, 1989.
En. 126
EJEMPLO 5.4. VARIABLES ALEATORIAS DEPENDIENTES NO CORRELACIONADAS.
.
ss
ejemplo es muy revelador.
http://sci.alnam.ru/book_dsp.php
sólo que no hay imagen en la página 126
¿Por qué estáis tan obsesionados con la correlación?
En el aprendizaje automático, existe el concepto de "importancia - importancia" de las variables, que no tiene nada que ver con la correlación. El cálculo suele estar integrado en el propio algoritmo de aprendizaje automático.
Por ejemplo, en un bosque aleatorio.
De todo un subconjunto de predictores, tal vez varios cientos, se seleccionan algunas piezas y se utiliza el algoritmo interno para ver si los valores de estos predictores predicen un valor concreto de la clase. Se aceptan o se descartan.
Al final se miran todos los nodos del árbol y se ve cuántas veces se utilizó un predictor en cada nodo del árbol - da la importancia de los predictores.
Sigo tratando de reunir al equipo para discutir los avances existentes en este campo, que son mucho más informativos que los ejercicios de correlación.
¿Por qué estáis tan obsesionados con la correlación?
En el aprendizaje automático, existe el concepto de "importancia - importancia" de las variables, que no tiene nada que ver con la correlación. El cálculo suele estar integrado en el propio algoritmo de aprendizaje automático.
Por ejemplo, en un bosque aleatorio.
De todo un subconjunto de predictores, tal vez varios cientos, se seleccionan algunas piezas y se utiliza el algoritmo interno para ver si los valores de estos predictores predicen un valor concreto de la clase. Se aceptan o se descartan.
Al final, miran todos los nodos del árbol y ven cuántas veces se ha utilizado un predictor en cada nodo del árbol: así se descubre la importancia de los predictores.
Todo lo que intento es que el equipo discuta los desarrollos ya existentes en esta área, que son mucho más informativos que los ejercicios de correlación.
y alglieb tiene un bosque oscuro también, por cierto... puedes usarlo sin salir de mt5