기고글 토론 "Python과 MQL5로 로봇 개발하기(1부): 데이터 전처리" - 페이지 3

새 코멘트
 
Maxim Dmitrievsky #:

그렇다면 가격은 의사 고정적이어야 합니다. 이는 추세 시장에서는 관찰되지 않습니다.

이제 증분을 예측해 봅시다. 그런 다음 증분을 살펴봅시다. 의사 고정적일까요?

하지만 증분을 예측하는 법을 배웠다면 그 파생상품인 가격을 예측하는 법을 배웠다는 뜻일까요?

 
fxsaber #:

저는 MO가 0점이라 기사에 의존하고 있습니다.

제가 올바르게 이해했다면 오토마톤은 인간이 선택할 수 있는 범위가 더 넓다는 뜻인가요? 사람이 누적 금액을 선택할 수 있다면 오토마톤은 더더욱 그렇습니다.

요점은 모델에 입력되는 모든 특징이 의사 고정적이어야 하며, 그렇지 않으면 모델이 새로운 데이터에서 올바르게 작동하지 않는다는 것입니다. 이것은 분류기의 한계입니다.

데이터는 새 데이터에서도 지속되는 값 순위로 표현되어야 합니다. 이 조건이 충족되지 않으면 모델은 이 범위를 벗어날 때 경계 값에 머물게 됩니다.

예를 들어 항상 0 또는 항상 1을 예측합니다.
 
fxsaber #:

자, 증분을 예측해 보겠습니다. 그런 다음 증분값을 살펴봅시다. 의사 정지 상태인가요?

하지만 증분을 예측하는 법을 배웠다면 그 파생상품인 가격을 예측하는 법을 배웠다는 뜻일까요?

예

 
Maxim Dmitrievsky #:

의 경우 데이터는 새 데이터에 저장되는 값의 범위로 표현되어야 합니다. 이 조건이 충족되지 않으면 이 범위를 벗어날 때 모델이 경계 값에 고정됩니다.

즉, 이러한 징후는 당연히 버려야 하는 것일까요?

    # Add simple features
    raw_data['raw_SMA_10'] = raw_data['close'].rolling(window=10).mean()
    raw_data['raw_SMA_20'] = raw_data['close'].rolling(window=20).mean()

훈련 간격을 벗어난 값에 쉽게 도달할 수 있기 때문입니다.

 
fxsaber #:

그럼 이 표지판은 버려야 하나요?

훈련 간격을 벗어난 값에 쉽게 도달할 수 있기 때문입니다.

네, 시가와 마찬가지로 사용할 수 없습니다.

그럴 수 없죠. 기술적으로는 가능하지만 새로운 데이터에서 모델이 멈출 위험이 있습니다.

가까운 장래에 해당 범위를 벗어나지 않을 것이라는 비전이 있다면 가능합니다.

 
분류 학습은 가격, 수익률^1, 수익률^2, ...의 특징이 하나라는 것을 깨닫습니다. 이 하나의 동일한 속성이므로 이 목록에서 하나의 속성만 남겨야 한다는 것을 알고 있습니다.
 
Maxim Dmitrievsky #:

가까운 장래에 그 범위를 벗어나지 않을 것이라는 비전이 있다면 가능합니다.

금과 암호화폐는 이에 적합하지 않습니다.

 
fxsaber #:
분류 학습은 가격, 수익률^1, 수익률^2, ...의 특징이 하나라는 것을 깨닫습니다. 이 하나의 동일한 속성이므로 이 목록에서 하나의 속성만 남겨야 한다는 것을 알고 있습니다.

동일하지 않으며 여전히 차이가 있습니다. 해결책은 총 속성 수에 따라 달라집니다. 너무 많으면 정리할 수 있습니다. 그렇지 않은 경우 문제없이 그대로 둘 수 있습니다. 또한 약간 다르며(지연이 다른 증분) 모델에 유용한 추가 정보를 제공할 수 있습니다.

가격은 위에서 언급한 이유로 삭제되었습니다.
 
fxsaber #:

금과 암호화폐는 이에 해당되지 않습니다.

그다지 적합하지 않으므로 모든 징후는 최소한 하락세를 보이고 있습니다.

 

MO는 슈퍼 컴퓨팅 능력과 기억력을 가진 존재(메가휴먼)로 포지셔닝되어 있는 것 같습니다.

일반인이 TC를 만들 때 어떤 징후를 사용하나요? 저는 사람이 증분 그래프를 보고 예측하는 것을 본 적이 없습니다.

12345678
새 코멘트