트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2168

새 코멘트
 
알렉세이 니콜라예프 :

푸리에가 주기적인 신호에 좋다고 쓰는 곳마다 있는 것 같습니다. 글쎄, 또는 그것에 가깝습니다 - 좁은 스펙트럼으로.

그건 그렇고, 거래에서 ML의 경우 Walsh 분해가 더 적합 할 것 같지만 어떤 이유로 포럼에서 언급되지 않았습니다.

주기적일 뿐만 아니라 항상 같은 주기 (한 진동의 시작부터 다른 진동의 시작까지의 시간)와 항상 같은 모양 . 따옴표에서 마침표와 곡선의 모양은 항상 변경됩니다. 따라서 시장에서 어떤 신호 변환도 부적절하지 않습니다.
나는 또한 대학에서 라디오 전자공학을 공부했고, 내가 무슨 말을 하는지 압니다.

 
이고르 마카누 :

예!

방금 추가했습니다. 모든 것을 올바르게 이해했습니다.

좋아, 당신은 그것을 묶어야합니다. 그렇지 않으면 작은 구멍 하나가 다음 환상으로 모두를 놀라게합니다.)))

이 유형의 필터와 10개의 트랜잭션이 표시되었습니다. 꼬리에서 의미로 (필터 라인) 또는 이와 유사한 것

평소와 같이 추세가 시작되면 전체 계정에서 마이너스가 됩니다.

그리고 모든 주제에서 매번 이 비트를 업로드하고 1년 이상 동안 10페이지 동안 여러분 모두가 함께 즐겁게 토론했습니다))


 
막심 드미트리예프스키 :

이 유형의 필터와 10개의 트랜잭션이 표시되었습니다. 꼬리에서 의미로 (필터 라인) 또는 이와 유사한 것

평소와 같이 추세가 시작되면 전체 계정에서 마이너스가 됩니다.

그리고 모든 주제에서 매번 이 비트를 업로드하고 1년 이상 동안 10페이지 동안 여러분 모두가 함께 즐겁게 토론했습니다))

확인

이제 기계에서 동일하게 시연하고 비교하십시오.

괴롭히는 사람 ;)

 
알렉세이 니콜라예프 :

푸리에가 주기적인 신호에 좋다고 쓰는 곳마다 있는 것 같습니다. 글쎄, 또는 그것에 가깝습니다 - 좁은 스펙트럼으로.

거기에는 옵션이 없습니다. 기본 함수는 사인이고 변환은 각 사인에 대한 변위(위상) 및 기간만 결정합니다.

이 모든 사인(X축)의 교차점은 신호 값(Y축)을 취하는 지점을 제공합니다.


UPD: 여기에 또 다른 좋은 설명이 있습니다. https://habr.com/en/post/196374/

기사에서 가장 귀중한 것 - 손으로 그린 그림;)

 
레나트 아크티아모프 :

확인

이제 기계에서 동일하게 시연하고 비교하십시오.

괴롭히는 사람 ;)

비슷한 모양의 다른 마스코트가 많이 있습니다. 이것은 아무것도 변경하지 않습니다.

예: HMA 또는 이와 유사한 것

Mashki를 선택한 경우 최소한 변동성 등에 대해 정규화하십시오.

그리고 이것이 성배 라고 쓰지 마십시오. 거기도 가깝지 않습니다.

 
막심 드미트리예프스키 :

비슷한 모양의 다른 마스코트가 많이 있습니다. 이것은 아무것도 변경하지 않습니다.

예: HMA 또는 이와 유사한 것

Mashki를 선택한 경우 최소한 변동성 등에 대해 정규화하십시오.

이것이 성배라고 쓰지 마십시오. 거기도 가깝지 않습니다.

말로가 아닌 화면에 Max를 보여주세요.

가방을 던지지 말고 소리를 지르다

 

누가 두 클러스터에 대한 특성 값 분포 곡선의 교차점 아래 상대 영역을 계산하는 작은 스크립트를 유지해야 합니까? 

cl_1 = samples.drop(samples[samples["targets"] == 0].index).reset_index(drop=True)[samples.columns[1]]
cl_2 = samples.drop(samples[samples["targets"] == 1].index).reset_index(drop=True)[samples.columns[1]]

min_x = min(cl_1.min(),cl_2.min())
max_x = max(cl_1.max(),cl_2.max())
x = np.arange(min_x,max_x,(max_x-min_x)/100)
hist_1 = np.histogram(cl_1,x)
hist_2 = np.histogram(cl_2,x)
plt.hist(cl_1,x, histtype= 'step',label='cl_1')
plt.hist(cl_2,x, histtype= 'step',label='cl_2')

area1 = np.sum(hist_1[0])/sum(hist_1[0])
area2 = np.sum(hist_2[0])/sum(hist_2[0])
ymax = np.maximum(hist_1[0],hist_2[0])
ymin = np.minimum(hist_1[0],hist_2[0])

area_overlap = sum(ymin/sum(ymax))
print(area1, area2, area_overlap)

이것은 희석 방법, 대상 분석, 기능을 선택하기 위한 표준 메트릭이며 악마는 다른 것을 알고 있는 것 같습니다.

area_overlap - 사진의 노란색

 
레나트 아크티아모프 :

말로가 아닌 화면에 Max를 보여주세요.

가방을 던지지 말고 소리를 지르다

뭐를보고 싶으세요? 여기 내 기사에서 MO에 대한 실제 차량입니다. 훈련 - 단 1개월, 2년 동안 일반화. 그리고 그것은 현실적이고 작동합니다

 
웰리모른 :

누가 두 클러스터에 대한 특성 값 분포 곡선의 교차점 아래 상대 영역을 계산하는 작은 스크립트를 유지해야 합니까?

이것은 희석 방법, 대상 분석, 기능을 선택하기 위한 표준 메트릭이며 악마는 다른 것을 알고 있는 것 같습니다.

area_overlap - 사진의 노란색

기발한 짓을 하고 있다) 월요일 부터 즐겨찾기까지

 
평균과의 편차가 상당할 수 있다는 것은 누구나 알고 있지만 언제 이런 일이 일어날지는 아무도 모릅니다.
1...216121622163216421652166216721682169217021712172217321742175...3399
새 코멘트