L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 205
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Probabilmente vi sarà offerto di usare queste funzioni da soli, se necessario https://www.mql5.com/ru/docs/opencl.
Ho una vecchia scheda video, OpenCL non sembra supportarlo, ma se lo spingono all'interno della libreria, cosa succederà?
Quindi intendevo dire che sarebbe possibile scegliere il supporto sia per il video, sia per gli altri core del processore, o non usare affatto OpenCL. È solo una vera opportunità per la gente comune di vedere come applicare OpenCL in modo efficace.
Quando arriveremo ai calcoli pesanti, forse useremo OpenCL. Ma qualcosa mi dice che usare CPU multicore darà risultati accettabili e più garantiti.
Al momento non ci sono dubbi sull'accelerazione. Stiamo lavorando sulla funzionalità di base delle librerie.
Secondo la formula nel file di aiuto di R, questo è calcolato usando la formula
Il problema è che in questo caso x^(a-1) = 0^(1-1) = 0^0 che è indefinito, cioè non ha senso chiamare la funzione con tale parametro e non ha senso confrontare i risultati con altri software. Per 0^0 può essere diverso in diversi software, a seconda della religione degli sviluppatori.f(x)= 1/(s^a Gamma(a)) x^(a-1) e^-(x/s)
(forma= a e scala= s,perx ≥ 0,a > 0 es > 0)
la scala è 1/grado per default
Dr.Trader:
Il presunto errore è che
dgamma(x=0, shape=1, rate=1,log=FALSE)== 1
Secondo la formula nella guida R, questo è calcolato usando la formula
Il problema è che in questo caso x^(a-1) = 0^(1-1) = 0^0, che è indefinito, cioè non ha senso chiamare la funzione con tale parametro e non ha senso confrontare i risultati con altri software. Per 0^0 può essere diverso in diversi software, a seconda della religione degli sviluppatori.f(x)= 1/(s^a Gamma(a)) x^(a-1) e^-(x/s)
(forma= a e scala= s,perx ≥ 0,a > 0 es > 0)
scala predefinita a 1/grado
Bene. Si scopre che non possiamo chiamarla definizione, poiché ci sono incertezze.
Puoi tracciare il grafico e assicurarti che a x=0, l'espressione a questi parametri tende a 1. Questo è un numero normale, non c'è divergenza in altri punti.
Possiamo sommare tutta la densità, il risultato sarà un certo numero (fattore di normalizzazione), per il quale dividiamo e otteniamo la probabilità unitaria, che viene spalmata sull'area di definizione. La curva è normalizzata, l'area sotto la curva = 1. In questo caso possiamo parlare di densità di probabilità.
Tuttavia, con i parametri 0,5 e 1 nel punto x=0, la situazione è diversa. Il limite in questo punto è l'infinito. Quando si avvicina a 0 tende all'infinito. È anche possibile non integrare dopo questo punto, il risultato non cambierà. Come normalizzare all'infinito? Con questa normalizzazione qualsiasi curva si trasforma in una linea.
Ma se consideriamo che l'espressione funziona solo quando x>0, allora l'espressione può essere considerata come la definizione della funzione, poiché non ci sono incertezze a x=0. Tutti i valori sono finiti e niente si rompe.
Questa ipotesi spiega i risultati che Mathematica e Matlab danno: nel punto x=0 la densità=0.
Questa era la domanda.
Quando arriveremo ai calcoli pesanti, forse useremo OpenCL. Ma qualcosa mi dice che usare CPU multicore darà risultati accettabili e più garantiti.
Al momento non ci sono dubbi sull'accelerazione. Siamo impegnati ad armeggiare con le funzionalità di base delle librerie.
Capito. Aspetterò gli sviluppi.
Fantastico. Si scopre che non possiamo chiamarla definizione, dato che ci sono incertezze.
Puoi tracciare il grafico e assicurarti che nel punto x=0 l'espressione tende a 1. Questo è un numero normale, non c'è divergenza in altri punti.
Possiamo sommare l'intera densità, il risultato è un certo numero (il fattore di normalizzazione) per il quale dividiamo e otteniamo la probabilità unitaria, che viene spalmata sull'area di definizione. La curva è normalizzata, l'area sotto la curva = 1. In questo caso possiamo parlare di densità di probabilità.
Tuttavia, con i parametri 0,5 e 1 nel punto x=0, la situazione è diversa. Il valore limite in questo punto è infinito. Quando si avvicina a 0 tende all'infinito. È anche possibile non integrare dopo questo punto, il risultato non cambierà. Come normalizzare all'infinito? Con questa normalizzazione qualsiasi curva si trasforma in una linea.
Ma se consideriamo che l'espressione funziona solo quando x>0, allora l'espressione può essere considerata come la definizione della funzione, poiché non ci sono incertezze a x=0. Tutti i valori sono finiti e niente si rompe.
Questa ipotesi spiega i risultati che Mathematica e Matlab danno: nel punto x=0 la densità=0.
Questa era la domanda.
Sta dicendo che una tale trasformazione della funzione delta di Dirac va bene? Perché tutto il resto?
Dimmi cosa succede all'infinito durante pgamma nel punto x=0, quando la risposta "corretta" come dici tu è data in dgamma(0,0.5,1)=+inf.
Mostra graficamente la funzione e gli intervalli di integrazione quando calcola pgamma.
Fatto interessante
Le definizioni dei valori di densità della distribuzione gamma nella traduzione russa di
Johnson N.L., Kotz S., Balakrishnan N. Univariate continuous distributions. part 1 e la precedente versione inglese sono diverse:
ma la versione inglese ha un sospetto refuso dovuto a segni diversi.
Sta dicendo che questo tipo di conversione in una funzione delta di Dirac va bene? Che senso ha allora tutto il resto?
Dimmi cosa succede all'infinito nel processo pgamma a x=0, quando è stata data la risposta "corretta" come dici tu in dgamma(0,0.5,1)=+inf.