Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 370
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Eu não acredito que analisar a correlação entre o preditor e o alvo fará qualquer coisa.
Há muitos exemplos em que quantidades estreitamente correlacionadas não dependem umas das outras, embora pareça que uma pode prever a outra, comohttp://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 e eu já postei artigos sobre este tópico aqui no fórum antes.
Há um termo mais interessante, "cross-entropy". É algo da estatística, uma forma de analisar se um preditor se ajusta a uma variável, uma relação não linear.
Você tem um exemplo?
Mostrar linhas de entrada e linhas de saída de dados - postar
Para XOR um conjunto de dados pode consistir em 4 amostras. {x,y,z} x,y - características z - alvo
{-1,1,-1},{1,1,1},{1,-1-1},{-1,-1,1}
Vamos calcular a covariância do primeiro chip com o alvo: tendo em conta que mo = 0 temos: ((-1*-1) + (1*-1) + (1*-1) + (-1*1))/4 = (1+1-1-1)/4 = 0 é óbvio que a correlação também é zero, o mesmo será com o segundo chip, você pode verificar, mas para o classificador nileney ambos os chips são mais do que válidos
Eu não acredito que analisar a correlação entre o preditor e o alvo fará qualquer coisa.
Há muitos exemplos quando variáveis estreitamente correlacionadas não dependem umas das outras, embora pareça que uma pode prever a outra, como este -http://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 , aqui no fórum antes de colocar artigos de Habra sobre o mesmo tópico.
Há um termo mais interessante, "cross-entropy". É algo da estatística, uma forma de analisar se um preditor se ajusta a uma variável, uma relação não linear.
Não acredito que analisando a correlação entre o preditor e o alvo, não se obtenha nada.
Há muitos exemplos quando quantidades estreitamente correlacionadas não dependem uma da outra, embora pareça que uma pode prever a outra, como este -http://pikabu.ru/story/lozhnyie_korrelyatsii_2287154 , aqui no fórum antes de colar artigos de hubra sobre o mesmo tópico.
Há um termo mais interessante, "cross-entropy". Isto é algo da estatística, uma forma de analisar se um preditor se ajusta a uma variável, uma relação não linear.
1. ninguém está a analisar a correlação - trata-se da escolha dos preditores.
2. você repetiu meu ponto três páginas antes -"Dependência é um caso especial de correlação. Se duas variáveis são dependentes, então há definitivamente uma correlação. Se há correlação, então não há necessariamente dependência".
3. a centralidade cruzada, tal como a correlação, não dará uma resposta sobre a presença de dependência funcional
Para XOR um conjunto de dados pode consistir em 4 amostras, a essência não muda. {x,y,z} x,y - características z - alvo
{-1,1,-1},{1,1,1},{1,-1-1},{-1,-1,1}
Vamos calcular a covariância do primeiro chip com o alvo: tendo em conta que mo = 0 temos: ((-1*-1) + (1*-1) + (1*-1) + (-1*1))/4 = (1+1-1-1)/4 = 0 é óbvio que a correlação também é zero, o mesmo será com o segundo chip, você pode verificar, mas para o classificador nileney ambos os chips são mais do que válidos
Dois preditores igualmente correlacionados - qual deles é expulso com base em correlação inferior? Qual deles está menos correlacionado?
1. ninguém está a analisar a correlação - trata-se da escolha dos preditores.
2. você repetiu meu ponto três páginas antes -"Dependência é um caso especial de correlação. Se duas variáveis são dependentes, então há definitivamente uma correlação. Se há correlação, então não há necessariamente dependência".
3. A centralidade cruzada, tal como a correlação, não dará uma resposta sobre a presença de dependência funcional
A correlação inversa não é uma dependência? Como se pode falar em dependência baseada em curvas de correlação, não percebo... como pode haver uma relação entre a curva de rendimento das pipocas nos campos e o número de pintos nascidos pelos comerciantes industriais? Por que seria melhor para os ns se a correlação aleatória entre fenômenos não relacionados é alta?
Eu não entendo.
O que é que a correlação inversa tem a ver com isso?
Há quantidades correlacionadas. Alguns deles podem ter uma correlação funcional entre si, e alguns deles podem ter uma falsa correlação.
Novamente -"Dependência é um caso especial de correlação. Se duas variáveis são dependentes, então há definitivamente uma correlação. Se há correlação, então não há necessariamente dependência".
E mais uma vez - até à data, não existem métodos para distinguir a dependência funcional da falsa correlação.
Só analíticos.
Eu não entendo.
O que é que a correlação inversa tem a ver com isso?
Há quantidades correlacionadas. Alguns deles podem ter uma correlação funcional entre si, e alguns deles podem ter uma falsa correlação.
Novamente -"Dependência é um caso especial de correlação. Se duas variáveis são dependentes, então há definitivamente uma correlação. Se há correlação, então não há necessariamente dependência".
Bem, se duas variáveis têm uma correlação inversa, então como? Como as cotações do franco com o euro. Há uma correlação, mas não há correlação.
bem, se duas variáveis têm correlação inversa, então como? como as cotações do franco com o euro. A correlação é certa, mas não há correlação.
Eu ainda não entendo - correlação inversa ou sem correlação?
Ou você acha que se duas séries aleatórias têm um coeficiente de correlação de -1, então elas "não têm correlação"?
Yoklmn.....