Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2729
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
O significado não está nos critérios, mas na maneira como eles são usados. Sua maneira de usá-los não está nada clara (o que você compara com o quê e com que finalidade).
Ok, como você está sendo esperto, não está disposto a pensar nessa direção. Não vou me incomodar.
Certo, se estiver sendo esperto, então não vai querer pensar nessa direção. Não vou me incomodar.
Alexei, aprenda a formular seus pensamentos, se realmente quiser ser compreendido...
Alexei, aprenda a formular seus pensamentos se quiser ser compreendido.
E onde você perdeu minha linha de raciocínio?
Meus pensamentos são formulados - eu entendo do que estou falando, se alguém não entende - pergunte. Talvez você precise aprender a entender melhor a essência, sem se apegar a termos....
Certo, se estiver sendo esperto, então não vai querer pensar nessa direção. Não vou me incomodar.
Ou você não consegue formular uma ideia ou não quer compartilhá-la. Em ambos os casos, não vale a pena continuar a desenvolver o tópico e vamos deixar de lado a questão pessoal.
Você acha que o Critério não faz sentido? Pegue dez amostras de tamanhos diferentes e compare-as - escolha aquela com as melhores pontuações em vários indicadores que são responsáveis pela semelhança/similaridade/homogeneidade das amostras.
Ou você não consegue formular uma ideia ou não quer compartilhá-la. Em ambos os casos, não vale a pena continuar a desenvolver o tópico e vamos deixar de lado a questão pessoal.
Eu não escrevi que a ideia é comparar amostras (treinamento e aplicação), que se sua teoria estiver correta, a amostra deixará de ser semelhante à medida que aumenta, e para entender isso você precisa de critérios para avaliar sua mudança, que são derivados dos métodos de avaliação de similaridade?
Além disso, falei sobre a marcação de toda a amostra em seções de acordo com alguma característica de tendência comparável e a classificação dentro desses grupos. E essa classificação pode ser feita novamente por critérios de "similaridade" de amostras.
Não estou levando para o lado pessoal - vejo o estilo da resposta e estou apenas intrigado - o que as pessoas estão fazendo aqui - elas querem mostrar sua singularidade? Estou interessado em encontrar maneiras de resolver o problema, estou interessado em usar o conhecimento de outras pessoas e compartilhar o meu próprio.
Pegue e misture amostras, obtenha estimativas diferentes... triste
Você pode misturar apenas dentro de um sample; se misturar dois samples, isso significa negar que o mercado está mudando.
Pegue e misture amostras, obtenha estimativas diferentes... triste
Não gosto muito do que você e Alexey têm em comum em seu raciocínio - você os tem no contexto de um modelo específico e estuda seu comportamento quando a amostra de treinamento muda. Idealmente, eu gostaria de ser independente de um modelo específico ao selecionar a amostra de treinamento - é por isso que decidi usar vértices em ziguezague por enquanto. Mas vocês provavelmente estão certos e a independência total do tipo de TC dificilmente será possível.
Não escrevi que a ideia de comparar amostras (treinamento e aplicação) é que, se sua teoria estiver correta, a amostra deixará de ser semelhante à medida que aumentar e, para perceber isso, você precisa de critérios para avaliar sua mudança, que são derivados de métodos de avaliação de similaridade?
Aqui, aparentemente, você está falando de amostras multivariadas (cada elemento é uma linha de uma tabela, um vetor), enquanto os critérios de homogeneidade em seus três links são sobre amostras numéricas. Os critérios de homogeneidade multivariada no matstat são uma música à parte e não estão muito claros para mim.
Além disso, eu estava falando sobre dividir toda a amostra em seções de acordo com alguma característica de tendência comparável e classificar dentro desses grupos. E essa classificação pode ser feita novamente de acordo com os critérios de "similaridade" das amostras.
É semelhante à tarefa de buscar a detecção de muitos pontos de alteração. Novamente, acontece que temos de trabalhar com um caso multidimensional (vetor), o que complica bastante a questão.
Bem, e em geral, não gosto da dependência de quais atributos são escolhidos para investigação. Se usarmos conjuntos diferentes deles, os resultados podem ser diferentes.