Imagine you have just started a new data science project. The goal is to build a model predicting Y, the target variable. You have already received some data from the stakeholders/data engineers, did a thorough EDA, and selected some variables you believe are relevant for the problem at hand. Then you finally built your first model. The score...
価格(およびインジケータのシグナルのトリガー)がラインを超える確率は、時間帯と曜日によって異なります。
NNとDLに周期的な時間を加える必要があります。最も単純な方法は正弦波です。依存関係は非線形なので、符号を考慮して単純に2乗する。時間参照には2つの追加入力がある。午前0時/正午はどこでも異なるので、事前に計算して位相を与えた方がよい。これが、現実世界とその時間とのモデルの接続である。
もしそれらが明示的に与えられていない場合、IMHOはカボチャを得るか、全体が自分でそれらを得て出力しようとします。
あるいは、単に日数と時間番号を指定することもできます。違いはない。どちらも同じように記憶できる。
さもないと、みんなと同じことになるよ。)
a la 2 pcs: y=abs(sin(x))*sin(x) ; 1日と1週間の頻度で ; 位相のずれは事前に計算した方が良い。
なぜなら、指標とラインクロスの確率はそれらに依存 するからである。
ところで、フーリエは有害で、ここでは嫌われている。)
この符号がいくつかのうちの1つである場合は、あまり意味がありません。
この符号が複数のうちの1つである場合は、あまり意味がない。
少なくとも私の場合はそうだった。
そして、これは、振動する符号は、異分散性(ボラティリティ)のために異なる時間に異なるように変動するためであり、それがすでに考慮されている理由です。
https://developer.nvidia.com/blog/three-approaches-to-encoding-time-information-as-features-for-ml-models/
正弦と余弦は、2つの数値で指定する必要があります。そうでないと、0,5とdrが1回転に2回発生することになり、まるで同じ回数が2回発生するようなことになります... あるいは、日数と時間番号だけでもかまいません。違いはない。どちらも同じように記憶できる。
日数/時数もよくありません。定期的に23-0という大きな「ずれ」が生じます。
その場合、繰り返しを避けるために、「正午前/正午後」(正弦波の微分の符号)のように別の符号を追加し、sin^2は時間を計るために残しておく(同時に信号をスケーリングする)。
あるいは、名前の由来がアドバイスするように。私の意見では、過剰です。
(サイクルは、大規模なTFでfakapyですが、小さな日/週では、彼らはちょうどそこにある、彼らは捨てられ、考慮されないことができない、彼らは "キャリア "です)。
0) はい、そうです...)
市場には正確さはない。
あるのは誤差を伴う確率だけである)。
日数/時間の数字も良くない。定期的に大きな "ギャップ "が生じる。
そこで、繰り返しを避けるために、「正午前/正午後」(正弦波の微分の符号)のように別の符号を追加し、sin^2のまま時間を計る(同時に信号をスケーリングする)。
あるいは、名前の由来がアドバイスするように。私の意見では過剰だ。
(サイクルは、大規模なTFでfakapyですが、小さな日/週では、彼らはちょうどそこにある、彼らは捨てられ、考慮されないことができない、彼らは "キャリア "です)。
正弦の2乗で、1回転あたり0.5の4倍になる。
上記(すべて)を参照、私は「符号を考慮して」- sin(x)*abs(sin(x))と言った。
上記(すべて)参照、私は「符号を考慮に入れて」と言った - sin(x)*abs(sin(x))
"素晴らしい機能だ")
あなたの発明のグラフを描いてください。市場には正確さがない。
あるのは誤差を含んだ確率だけである)。
あなたは私の言っていることを理解していない。
1. 次元性の呪いと組合せ爆発の問題があるが、これは理論的には解決可能である。
次元の呪いと組み合わせ論的爆発とは何か、ウィキを読んでほしい。
精度を 優先させれば解ける。 - つまり、上記の問題には対処できるが、精度が落ちる、つまり解ではなく、解の近似になるということだ。
さらに単純化すると、例えば10,000個の特徴量を調べるとすると、すべての特徴量のパターンを見つけるには時間がかかり、組み合わせも多くなる(次元の呪い)。
この10, 000の特徴量の次元を2~5の特徴量に減らすことはできますが、 精度は 落ちます。
さて、どのような精度について話しているのか、おわかりいただけたでしょうか?
「素晴らしい」機能)
あなたの発明のグラフを描いてください。NN、DLを使わなければ、そういう取引になる。
何か見覚えはありませんか?
NN、DLに入らなければ、それはそれで取引される。
何か見覚えはありませんか?
1ターン0.5で2回))))))