ベイズ回帰 - このアルゴリズムを使ってEAを作った方はいらっしゃいますか？ - ページ 39

新しいコメント
 
-Aleks-:
それが考えなければならないことです。データが似ているためには、n本のバーのウィンドウではなく、パターンを取るべきだと私は思います。
全く同感です。何本で解析するかは、議論されている回帰分析だけでなく、アキレス腱でもある。回帰ではなく、ベイズ式で確率を計算したいのですが。とりあえず、バカ正直に現在のウィンドウをn本とする。そして、テストや試行の段階では、尤度関数やアプリオリ確率については、ボラティリティ・スパイクからボラティリティ・スパイクまでの期間を取ることにしている。これは通常、重要なニュースの合間である。
 
Alexey Burnakov:
最近、同僚と線形回帰の 歴史と発展について議論していた。話が長くなりましたが、当初はデータも少なく、予測因子も少なかったのです。通常の線形回帰は、いくつかの仮定で管理されます。その後、情報技術の発展によりデータ量が増え、予測変数の数は簡単に数万を超えるようになりました。このような条件下では、通常の線形回帰は役に立ちません - 過学習です。そのため、正規化されたバージョン、ディストリビューションの要件に強いバージョンなどが登場した。
これは一部正しい。L2正則化は、モデル内の予測変数の数を減らすのに役立たない。ニューロコンピューティングでは当初、ヘブの学習則が用いられ、ニューラルネットワークの重みは無制限に増加した。そして、脳が神経サブユニットの重みを成長・維持するためのリソースが限られていることに着目し、60年代から80年代にかけてL2正則化が加えられたのです。そのため、ウエイトを限定することができましたが、それでも無視できないウエイトがたくさんありました。脳内ではそうはいきません。脳では、神経細胞はたとえ無視できる重さであっても、他のすべての神経細胞とつながっているわけではありません。接続台数に限りがあります。その後、2000年代に入り、放電接続を可能にするL1正則化、L0正則化が導入された。多くの科学者が、画像コーディングから神経モデルまで、L1正則化を用いた線形計画法を使い始め、脳のプロセスを非常にうまく表現できるようになったのです。経済学者が他の科学に遅れをとっているのは、彼らの「傲慢さ」（あらゆるものはすでに我々より先に発明されている）、あるいは単に数学に対する理解不足のためである。
 
Vladimir:
一部正しいです。L2正則化は、モデル内の予測変数の数を減らすのに役立たない。ニューロコンピューティングでは当初、ヘブの学習則が使われ、ニューラルネットワークの重みが無制限に増加するようになっていた。そして、脳が神経サブユニットの重みを成長・維持するためのリソースが限られていることに着目し、60年代から80年代にかけてL2正則化が加えられたのです。そのため、ウエイトを限定することができましたが、それでも無視できないウエイトがたくさんありました。脳内ではそうはいきません。脳では、神経細胞はたとえ無視できる重さであっても、他のすべての神経細胞とつながっているわけではありません。接続台数に限りがあります。その後、2000年代に入り、放電接続を可能にするL1正則化、L0正則化が導入された。多くの科学者が、画像コーディングから神経モデルまで、L1正則化を用いた線形計画法を使い始め、脳のプロセスを非常にうまく表現できるようになったのだ。経済学者が他の科学に遅れをとっているのは、彼らの「傲慢さ」（すべては我々より前にすでに発明されていた）あるいは単に数学の理解が不十分なためである。
L2をリミッターウェイトと勘違いしてしまうほどでした。そして、リッジ（Tikhonov）回帰です。https://www.quora.com/What-is-the-difference-between-L1-and-L2-regularization。

しかし，絶対誤差や非二乗のペナルティが加わるため，L1が望ましい場合もあります。誤差の二乗は長すぎるテールを与えることがあり，つまり，重いテールを持つ引用符の場合，残差の二乗を加えるとモデルの品質に悪い影響を与えることがあるのです。まあ、それは口先だけなんですけどね。
 
Vladimir:
経済学者は、その「傲慢さ」（あらゆるものはすでに我々より先に発明されている）あるいは単に数学の理解不足のために、他の科学に遅れをとっているのが現状である。
そうですね、個人的には以前証券会社に勤めていたマネージャー（swdマネージャー）に話を聞きました。価格差は普通に考えて、それでいいと。前世紀の手法や誤解が使われている。そこには普通がないんだよと。1つもテストが通らない。彼は私たちが何を話しているのかさえ知らないのです。しかし、彼は筋金入りの数学者ではなく、開発担当者なのです。
 
あまり深入りしなければ、同じマッシュなど）指標となる線は、だいたい回帰線ではないかという疑念があるのです。少なくとも、大まかな目安にはなります
 
Alexey Burnakov:
そうですね、個人的には以前証券会社に勤めていたマネージャー（swdマネージャー）に話を聞いたことがあります。価格差は当たり前と思われている、それだけだと。前世紀の手法や誤解が使われている。そこには普通がないんだよと。1つもテストが通らない。彼は私たちが何を話しているのかさえ知らないのです。しかし、彼は筋金入りの数学者ではなく、開発担当者なのです。
では、正常なものがなかったらどうするか。どこかの開発担当者も書いていますし、Vladimirもここで書いています。回帰の原理や意味を理解していないのに、どうやって回帰を使うんだ？この正常性・規範性で闇夜にゾンビのように歩き回る。立方体、正方形、ジグザグ、あるいはレピンの絵のような形で分布することもあります。回帰予測能力は、それに依存しない。
 
Dmitry Fedoseev:
では、正常なものがなかったらどうするか。どこかの開発責任者でも書いている、ウラジミールがここに書いている。回帰の原理や意味を全く理解していないのに、どうやって回帰を使うんだ？この正常性・規範性で闇夜にゾンビのように歩き回る。立方体、正方形、ジグザグ、あるいはレピンの絵のような形で分布することもあります。回帰予測能力は、それに依存しない。
だから、そうなるんです。夜の方が考えやすい。経営者でも知っていることです。)
 
Yuri Evseenkov:
まったくもって同感です。何本のバーを分析するかは、今回議論している回帰分析だけでなく、アキレス腱でもある。ただし、回帰計算ではなく、ベイズ式で確率を計算したい。とりあえず、バカ正直に現在のウィンドウをn本とする。そして、テストや試行の段階では、尤度関数やアプリオリ確率については、ボラティリティ・スパイクからボラティリティ・スパイクまでの期間を取ることにしている。これは通常、重要なニュースの合間である。

そして確率は、次のバーの予測、あるいは次のバーの動きベクトルを表現するのでしょうか。

 
一般的には、まず回帰の目的を定義する必要があります：市場の選択されたスライスを最も正確に記述する曲線を見つけること、または将来の価格ポジションを予測することでしょうか？近似の品質がどうして予測の精度を左右するのでしょうか？
 
Vasiliy Sokolov:
まず最初に、回帰を構築する目的を決める必要があります：市場の選択されたブロックを最も正確に記述する曲線を選ぶのか、それとも将来の価格位置を予測するためなのか？近似の質はどのように予測の精度を決定するのでしょうか？

そして、過去をできるだけ正確に記述し、未来をできるだけ正確に予測できるカーブを構築するにはどうしたらよいのでしょうか。

あるいは、過去を分析せずにどうやって未来を予測するのか？

近似値とは、過去の分析

1...323334353637383940414243444546...55
新しいコメント