Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 993
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
¿Lo es? Ahora que lo pienso, ¿leer tus mensajes? Bueno, sólo las pelotas son más geniales que Maxim).
Aaahhhhhh... Es gracioso, ¡gracias! Sí, un personaje divertido, cómico.
Yuri, una vez más, el principio es correcto.
Pero, como ves, la cosa es que incluso las ideas geniales no resuenan en la gente si no hay una señal (como un pasaporte) o es negativa como la mía. Lo veo en mi ejemplo - bueno, no hay balance positivo....
Pero, verás, la cosa es que incluso las grandes ideas no resuenan en la gente si no hay una señal (como un pasaporte) o es negativa como la mía. Lo veo en mi propio ejemplo - bueno, no hay un balance positivo, al parecer - recoger la pancarta, llevar a cabo el trabajo, por favor, la gente. No - nadie está interesado.
Lo mismo ocurre con este tema.
Pues bien, nadie tiene "equidad en el cielo" ni ninguna otra equidad, y eso es todo: el tema se vuelve inmediatamente pasado de moda y sin interés.
La conclusión es que cada sujeto debe tener un "hombre con una señal". ¡Un positivo! Entonces comienza la vida.
Estamos esperando a este hombre. Esperamos y creemos.
Debo admitir que nunca me han interesado las señales de alguien o incluso los informes en tiempo real. No veo el punto. No entiendo esta aspiración universal.
No, soy como mucha gente: interesado.
Es una medida de inteligencia, se mire como se mire. Yo, por ejemplo, tengo como amigo a un hombre con señales decentes. Me inspira y me hace trabajar una y otra vez, porque realmente puedo ver que es posible ganar dinero en Forex. Llevo mucho tiempo haciendo esto, y estoy seguro de que seguirá siendo así durante mucho tiempo.
No, soy como mucha gente: interesado.
Es una medida de inteligencia, se mire como se mire. Yo, por ejemplo, tengo como amigo a un hombre con señales decentes. Me inspira y me hace trabajar una y otra vez, porque realmente puedo ver que es posible ganar dinero en Forex. El hecho de que yo personalmente no sea capaz de hacerlo... bueno, todavía no es la noche.
Ya veo, necesitas algún estímulo externo. No se puede prescindir de ellos).
Lo más importante que se me olvidó decir es que esta persona, bueno, no utiliza las redes neuronales de ninguna manera.
Estoy absolutamente convencido de que si alguien hubiera demostrado tales resultados en este hilo, todo el foro estaría remachado aquí, porque la NS es una cosa curiosa. Pero, por desgracia, sin ese importante punto, no hay nada que ver ni leer aquí. EN MI OPINIÓN.
Lo más importante que se me olvidó decir es que esta persona, bueno, no utiliza las redes neuronales de ninguna manera.
Estoy absolutamente convencido de que si alguien hubiera demostrado esos resultados en este hilo, todo el foro se vería arrastrado aquí, porque la NS es una cosa curiosa. Pero, por desgracia, sin ese importante punto, no hay nada que ver ni leer aquí. EN MI OPINIÓN.
¿por qué no se puede aplicar?
¿por qué retórica?
El PCA es una transformada lineal + problemas de reproducibilidad.
" Transformada de Fourier, wavelets, singular espectral, etc. - algoritmos de descomposición
Tsne es un excelente algoritmo de reducción de la dimensionalidad para la visualización. Necesita todo el conjunto de datos para funcionar. No puede trabajar con nuevos datos individuales. Es posible (según algunas fuentes) adaptarlo para utilizarlo no sólo con conjuntos de entrenamiento/prueba, sino también con nuevos datos individuales. A mí no me ha funcionado y no he encontrado ningún artículo con una implementación exitosa de Tsne para los predictores de reducción en MO.
Retórica porque aparentemente no has probado este algoritmo. De lo contrario, no lo habrías sugerido para la reducción de la dimensionalidad... Aunque si tienes resultados sobre este algoritmo, por favor compártelo.
Buena suerte
PCA - transformada lineal + problemas de reproducibilidad.
" Transformada de Fourier, wavelets, singular espectral, etc. - algoritmos de descomposición
Tsne es un excelente algoritmo de reducción de la dimensionalidad para la visualización . Necesita todo el conjunto de datos para funcionar. No puede trabajar con nuevos datos individuales. Es posible (según algunas fuentes) adaptarlo para utilizarlo no sólo con conjuntos de entrenamiento/prueba, sino también con nuevos datos individuales. A mí no me ha funcionado y no he encontrado ningún artículo con una implementación exitosa de Tsne para los predictores de reducción en MO.
Retórica porque aparentemente no has probado este algoritmo. De lo contrario, no lo habrías sugerido para la reducción de la dimensionalidad... Aunque si tienes resultados sobre este algoritmo, por favor compártelo.
Buena suerte
Mira, la persona narró un problema con demasiados datos para clasificar, yo sugerí una solución...
El PCA también es un algoritmo de descomposición, si no me equivoco, al igual que otros, sólo se consigue la descomposición y la reducción de la dimensionalidad (se tira algo y se deja algo)
Que todos estos algoritmos no den ningún beneficio (salvo que reduzcan la dimensionalidad), es otra cosa y no es una cuestión de algoritmos, sino de los propios datos.
No sé si hay datos nuevos, he visto ejemplos de tsne con tren y prueba en Internet, pero supongo que tú también lo has visto
En cuanto a tsne, puede ser un gran algoritmo, pero funciona igual que los demás, así que intenté dividirlo en clases, pero no salió nada interesante, así que desistí. No sé si hay datos nuevos, vi ejemplos de tsne funcionando con un tren y un test en internet, pero probablemente tú también lo viste
"PCA", "transformada de Fourier", "wavelets", etc... de la nueva t-sne. Con su ayuda puedes hacer 5x de 100 ns de entrada y casi tener la misma calidad.