Interpolation, approximation et autres (paquet alglib) - page 15
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Tout, j'ai trouvé un garçon normal, bien expliqué, je me suis immédiatement souvenu de tout.
Super ! !!
Donc, pour l'instant, votre problème est résolu en ce qui concerne la transformation et la mise en correspondance avec l'espace 2 D ?
Bien que je n'aie pas compris le russe, j'ai compris un peu la formule. C'est juste un jeu de cosinus et de multiplication et division des magnitudes des 2 vecteurs :))
Avez-vous le code en MQL5 transformé ?
Méthode du vecteur de référence
Noyaux[edit | edit code]
L'algorithme de construction d'un hyperplan de séparation optimal, proposé en 1963 par Vladimir Vapnik et Alexei Chervonenkis, est un algorithme de classification linéaire. Cependant, en 1992, Bernhard Boser, Isabelle Guillon et Vapnik ont proposé un moyen de créer un classificateur non linéaire basé sur la transition des produits scalaires vers des noyaux arbitraires, ce que l'on appelle l'astuce des noyaux (proposée pour la première fois par M.Aizerman, Braverman et Rozonoer pour la méthode de la fonction potentielle), qui permet de construire des séparateurs non linéaires. L'algorithme résultant est extrêmement similaire à l'algorithme de classification linéaire, la seule différence étant que chaque produit scalaire dans les formules ci-dessus est remplacé par une fonction noyau non linéaire (un produit scalaire dans un espace de plus grande dimension). Dans cet espace, un hyperplan de séparation optimal peut déjà exister.
Il semble que Maxime Dmitrievsky se fixe des objectifs très proches de ceux poursuivis par Vapnik. Nous devrions nous tourner vers Wapnick pour trouver une base pour le choix (et la sélection) des fonctions d'approximation.
J'ai lu la correspondance anglaise. A peine. Il s'avère que Wapnick, dont les idées sont venues à l'esprit immédiatement après avoir lu le CT #1, premièrement, est vivant, et deuxièmement, il a développé une idée de minimisation du risque empirique (moyen) pour les réseaux neuronaux d'apprentissage automatique à une méthode de vecteurs de support, dont une version non linéaire est discutée dans cette correspondance. VIKI :
Méthode du vecteur de référence
Noyaux[edit | edit code]
L'algorithme de construction d'un hyperplan de séparation optimal, proposé en 1963 par Vladimir Vapnik et Alexei Chervonenkis, est un algorithme de classification linéaire. Cependant, en 1992, Bernhard Boser, Isabelle Guillon et Vapnik ont proposé un moyen de créer un classificateur non linéaire basé sur la transition des produits scalaires vers des noyaux arbitraires, ce que l'on appelle l'astuce des noyaux (proposée pour la première fois par M.Aizerman, Braverman et Rozonoer pour la méthode de la fonction potentielle), qui permet de construire des séparateurs non linéaires. L'algorithme résultant est extrêmement similaire à l'algorithme de classification linéaire, la seule différence étant que chaque produit scalaire dans les formules ci-dessus est remplacé par une fonction noyau non linéaire (un produit scalaire dans un espace de plus grande dimension). Dans cet espace, un hyperplan de séparation optimal peut déjà exister.
Maxim Dmitrievsky semble se fixer des objectifs très proches de ceux poursuivis par Vapnik. Nous devrions nous tourner vers Wapnick pour trouver une base pour la sélection (et la sélection) des fonctions uproximantes.
Oui, merci. La conférence de Yandex avec un scientifique russe en anglais, une honte
Oui, merci. La conférence de Yandex avec un scientifique russe en anglais, une honte
Il est venu vivre aux États-Unis en 1990, à l'âge de 54 ans. Pas étonnant qu'il prononce les mots anglais avec des sons russes. Je ne vois rien d'embarrassant. Il parle très clairement, comme la plupart des personnes dont l'anglais n'est pas la première langue. Pensez à la prononciation du grec Demis Roussos, étonnamment claire et distincte pour les chansons.
Yandex est une société russe. C'est une honte qu'ils ferment leurs académies et ceux qui veulent apprendre d'eux en russe.
Ils ont même des descriptions de leurs propres algorithmes d'apprentissage automatique, toutes en anglais.Salut Maxim,
Vous avez donc progressé dans le code qui vous bloquait auparavant ?
P = cvxopt.matrix (np.outer (y, y) * K) q = cvxopt.matrix (np.ones (n_samples) * - 1 ) A = cvxopt.matrix (y, ( 1 , n_samples)) b = cvxopt.matrix ( 0.0 )Salut Maxim,
Vous avez donc progressé dans le code qui vous bloquait auparavant ?
Nous ne pouvons pas utiliser les noyaux de cette façon, car cet algorithme ne fonctionne qu'avec des produits internes, et je ne sais pas comment mapper les caractéristiques en vecteurs.
Nous ne pouvons pas utiliser les noyaux de cette manière, car cet algorithme ne fonctionne qu'avec des produits internes, et je ne sais pas comment mapper les caractéristiques en vecteurs.
Eh bien, c'est exactement la fonction principale de la fonction noyau.
Mais nous ne pouvons pas faire correspondre les caractéristiques en entrée et en sortie en utilisant la fonction noyau. Ce n'est pas le rôle de la fonction noyau. La fonction noyau rend simplement le processus de classification plus rapide et plus facile en faisant correspondre les points de prix à des dimensions supérieures.
Le plus important, c'est que vous puissiez faire correspondre une caractéristique, par exemple le prix de clôture d'une bougie, à un espace 3D. La valeur de fermeture de la bougie ne va pas changer en 3D. C'est tout à fait normal, même si vous le ramenez en 2D.
C'est alors que les splines entrent en jeu pour l'interpolation des prix et je suppose que vous connaissez déjà les splines. Je veux dire que nous alimentons les données en termes de spline et que la classification est faite par des noyaux.
Maintenant, si vous cherchez à cartographier les caractéristiques, alors, veuillez préciser exactement ce que vous essayez de cartographier en termes de prix. Je veux dire que vous essayez de cartographier la fermeture des bougies, les prix d'ouverture des bougies, et ainsi de suite.
Salut Maxim,
Je suis désolé de vous déranger à nouveau. Je pensais juste vérifier rapidement avec vous si vous travaillez toujours sur votre projet RDF.
J'essaie d'améliorer votre algo RDF actuel ainsi que d'intégrer l'algo de renforcement python avec MQL. J'ai donc pensé à collaborer avec d'autres programmeurs qui s'y intéressent.
Vous pouvez me dire si vous travaillez toujours sur ce projet et où vous en êtes à ce jour.
J'ai quelques idées intéressantes à mettre en œuvre avec le RDF que je peux partager avec vous avec le code source de MQL5 et je dois encore apprendre le pont entre Mt5 et python.
Merci...
Salut Maxim,
Je suis désolé de vous déranger à nouveau. Je pensais juste vérifier rapidement avec vous si vous travaillez toujours sur votre projet RDF.
J'essaie d'améliorer votre algo RDF actuel ainsi que d'intégrer l'algo de renforcement python avec MQL. J'ai donc pensé à collaborer avec d'autres programmeurs qui s'y intéressent.
Vous pouvez me dire si vous travaillez toujours sur ce projet et où vous en êtes à ce jour.
J'ai quelques idées intéressantes à mettre en œuvre avec le RDF que je peux partager avec vous avec le code source de MQL5 et je dois encore apprendre le pont entre Mt5 et python.
Merci...
Bonjour, oui, j'essaie diverses idées qui sont en partie discutées ici https://www.mql5.com/ru/forum/86386/page1056.