L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1919
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
Un'immagine come questa
dà questo grafico del profitto
come fare uno screenshot, è così che può essere salvato e poi basta caricarlo da un foglio bianco e il modello appare?
Sì
Come si interpreta questo tipo di impilamento?
Beh, è un cluster, sembra che gli oggetti nello spazio multidimensionale siano combinati in tali gruppi in tre dimensioni, in modo da poter guardare i vostri dati 100-500 dimensionali in tre dimensioni, e in qualche modo stimare la loro struttura
A proposito, come si impostano i colori delle classi in modo forzato - non capisco cosa sia cosa?
Ecco, i colori sono già impostati attraverso la variabile target, vedete che ci sono tre colori, questo è il vostro target in tre classi
A proposito, l'immagine sopra con le isole è dopo il mio metodo di conversione dei predittori, e questo è come appare il campione originale, prima della conversione
Due nebulose...
I dati sono essenzialmente gli stessi, ma il risultato, anche visivamente, è diverso. Quindi non so come usare questo strumento, se non come valutazione della disponibilità del campione ad imparare....
Per esempio, un modello 3D che si apre in una finestra separata e di cui non si può nemmeno fare uno screenshot, si può salvare così e poi semplicemente caricarlo da un foglio bianco e il modello appare?
si possono anche riconoscere nuovi dati con esso
Beh, si tratta di cluster, sembra che gli oggetti nello spazio multidimensionale si siano raggruppati in tre dimensioni, in modo da poter guardare i vostri dati di 100-500 dimensioni in tre dimensioni, e in qualche modo stimare la loro struttura
Forse l'obiettivo dovrebbe essere in base al numero di queste isole? Non capisco la valutazione qualitativa di questa visualizzazione.
Vedo che il retro è nero e il resto è 1,2,3 - come faccio a tradurre questo in colore?
si possono anche riconoscere nuovi dati con esso
In che senso, quali dati? Da dove?
Forse l'obiettivo dovrebbe essere in base al numero di queste isole? Non capisco la valutazione qualitativa di questa visualizzazione.
Dovete capire che questi cluster sono una realtà oggettiva, la vera struttura dei vostri dati...
il tuo obiettivo è una realtà soggettiva, ecco perché le tue etichette di classe non hanno nulla a che fare con la struttura del cluster
Guardate l'esempio e capirete tutto.
devi specificare il colore - il lato posteriore è nero, mentre gli altri sono 1,2,3 - come lo traduci in colore?
Guarda nel manuale nei commenti c'è tutto
In che senso, che tipo di dati? Da dove?
)))
Come con le solite reti Forrest, nuovi dati apparsi, possono essere riconosciuti dal modello salvato
Dovete capire che questi cluster sono una realtà oggettiva, la vera struttura dei vostri dati...
il vostro obiettivo è una realtà soggettiva (auto-realtà), quindi le vostre etichette di classe non hanno nulla a che fare con la struttura degli ammassi.
Quindi, mi chiedevo, cosa succede se dividiamo questo campione in queste isole e facciamo l'addestramento del modello al loro interno.
I diversi cluster indicano diversi fattori che influenzano i risultati, o piuttosto i loro diversi pesi.
Solo come dovrebbe essere fatta questa divisione...
Qui da un'altra angolazione sono visibili tutti gli stessi dati completi - 4 cluster
Quindi non so come usare questo strumento, se non come valutazione della preparazione del campione per la formazione....
Utilizzo come previsto - visualizzazione dello spazio multidimensionale per valutare la struttura dei dati, se ci sono cluster o è una nuvola di punti, ecc.