Encontrar un conjunto de indicadores para alimentar las entradas de la red neuronal. Discusión. Una herramienta para evaluar los resultados. - página 9
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
No estoy buscando realmente una envoltura de serie de precios. Ya existe un conjunto de indicadores (es decir, una serie de precios transformada), por lo que es necesario reducir la dimensionalidad de este conjunto.
Recomiendo que para ello se consideren también las posibilidades de los mapas de coorganización. Con ellos se reduce mejor la dimensionalidad. También destacarán la variedad de estados. También existe una variante de análisis denominada análisis de componentes independientes. Es mucho más prometedor, pero hasta ahora no he sido capaz de captarlo en toda su extensión. Si está interesado en el análisis de componentes independientes, hágamelo saber.Aquí hay un par de libros sobre optimización. Recién descargado, todavía está caliente.
........ no se puede acoplar. Lo conseguí en http://torrents.ru.
Podrías haber aclarado un poco la dirección.Podrías haber aclarado un poco la dirección.
Optimización a la carta:
http://torrents.ru/forum/viewtopic.php?t=1591908e
http://torrents.ru/forum/viewtopic.php?t=2139370e
http://torrents.ru/forum/viewtopic.php?t=1327023e
http://torrents.ru/forum/viewtopic.php?t=711214e
http://torrents.ru/forum/viewtopic.php?t=2346898e
http://torrents.ru/forum/viewtopic.php?t=2123107e
Gracias joo. Intriligator era mi libro de mesa. :) Compruébalo, es decir, estudia el material.
Esto es lo que me escribió un amigo matemático cuando le pregunté cómo deshacerse de la correlación de entrada:
"El método de componentes principales parece serlo. He aquí una descripción más o menos accesible: http://www.statsoft.ru/home/ textbook/modules/stfacan.html. Lo efectivo que sea en tu caso, no lo sé. Pero la correlación lineal debería eliminarla bien. "
Lo investigaré.
PCA es la transformación de datos y la reducción de la dimensionalidad, es decir, después de la transformación de datos encontramos los mejores datos de entrada nuevos (según el criterio).
Si necesita seleccionar datos no correlacionados a partir de los datos iniciales, entonces la regresión multivariante es la que manda. Por ejemplo, si se tiene un conjunto de indicadores, se puede realizar cuidadosamente una regresión multivariante en un programa estadístico y encontrar el conjunto adecuado de indicadores.
También te recomiendo que investigues las posibilidades de los mapas de soma-organización para este fin. Con ellos se reduce mejor la dimensionalidad. También seleccionarán el conjunto de estados. También existe la variante de análisis denominada análisis de componentes independientes. Es mucho más prometedor, pero hasta ahora no he sido capaz de captarlo en toda su extensión. Si está interesado en el análisis de componentes independientes, hágamelo saber.
Los mapas de autoorganización se considerarán si el PCA falla.
He oído hablar del análisis de componentes independientes, pero no he entendido lo que es en detalle.
Ahora planeo implementar el PCA basado en mi propia biblioteca de matrices.
El cálculo se hizo en Excel.
Duro :)
el cálculo se hizo en excel.
Duro :)
Esa es otra cosa... Me sorprendo pensando que he empezado a programar cálculos de fuerza en mi cabeza en MQL5.... :)
Así que debo haberla usado incorrectamente, o haberla preparado.
Yo mismo he trabajado con la compresión de imágenes. A veces el error es nulo, a veces no, dependiendo del grado de compresión (número de componentes principales) y de la informatividad de las entradas.
Inténtalo con ejemplos sencillos.
Funciona muy bien en los atractores :) No lo he probado en fotos. Creo que el problema es la estructura de la fila. No lo he procesado previamente.
Estoy de acuerdo con iliarr. Va a ser un ataque.