トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 3041

[СанСаныч Фоменко]

mytarmailS #:
比較する価値はある。

興味本位で見てみただけだ。

どのように比較するかは明確ではない。 UpSampleは 同一データの重複によるオーバートレーニングにつながるはずだが、これはすぐには検出できない。

[mytarmailS]

СанСаныч Фоменко #:

どのように比較するかは明確ではない。理想的には、同一データの重複による upSampleは 、すぐに検出できないオーバートレーニングにつながるはず である。

トレーニングして、テストして、検証して。

[СанСаныч Фоменко]

mytarmailS #:

トレーニングし、テストし、検証し、出発する。

残念。

[mytarmailS]

СанСаныч Фоменко #:

残念、アバーは変わった

どうして？

[Maxim Dmitrievsky]

軍国主義は、このキュートでかわいいテーマにも及んでいる。

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
軍国主義がこんなかわいい、かわいい話題にまで。

それで、彼が持っているのはスナイパーなのか？

[mytarmailS]

私は空間を線形化しようとしている、あるいは非線形空間をより線形な空間に変換しようとしている。HLLEアルゴリズムに興味があります。

https://en.wikipedia.org/wiki/Nonlinear_dimensionality_reduction

はなかなか面白そうだ。AMOはこのようなスケッチをそのままの値段で認識するよりも簡単だと思います。

このアニメーションをここにアップロードすると、なぜこんなに色が歪むのか、どなたか教えてください。

アルゴリズムによって変換された価格はこんな感じです。

遊びたい人

p <- cumsum(rnorm(400,sd = 0.01))+100
p <- stats::embed(p,dimension = 20)[,20:1]
plot(p[,20],t="l",pch=20)

library(dimRed)
emb <- embed(p, "HLLE", knn = 15)

pp <- [e-mail][,20]
xx <- emb@data@data

par(mar=c(2,2,2,2), mfrow=c(1,2))
plot(pp,t="l",pch=20)
plot(xx,t="p",pch=20)

for(i in 1:nrow(xx)){
  Sys.sleep(0.05)

  plot(pp,t="l",pch=20)
  points(i,pp[i],col=2,lwd=6)
  plot(xx, t="p",lwd=2,pch=20)
  points(xx[i,1],xx[i,2],col=2,lwd=6)
}

[Maxim Dmitrievsky]

さて、多様体学習にはpcaと同じ問題がある。

非定常系列のフィッティングには苦労するだろう。

[mytarmailS]

Maxim Dmitrievsky #:

まあ、僕もpcaと同じような問題を抱えながら勉強している。

非定常系列のフィッティングには苦労する

今のパターンが違う次元に変換されるだけ。

[mytarmailS]

もっと素敵な写真になった

p <- cumsum(rnorm(300,sd = 0.01))+100
n <- 10
p <- stats::embed(p,dimension = n)[,n:1]

library(dimRed)
emb <- embed(p, "HLLE", knn = 15)
pp <- [e-mail][,n]
xx <- emb@data@data


gg <- cbind.data.frame(time=1:length(pp),xx,pp)
library(patchwork)
library(ggplot2)
p1 <- ggplot(gg, aes(x =time, y = pp, col=time)) +
  geom_point()  +
  scale_color_gradientn(colours = rainbow(4))
p2 <- ggplot(gg, aes(x = HLLE1, y = HLLE2, col=time)) +
  geom_point()  +
  scale_color_gradientn(colours = rainbow(4))
p1 + p2 + plot_layout(nrow = 2)