Maxim Dmitrievsky #: A reamostragem é feita para remover exceções, suavizar a amostra
Em geral, eu estava sugerindo que uma amostragem significativa por entropia procurasse correlações. Para tornar os dados mais informativos. Além disso, pegue os incrementos e adicione a eles o máximo de informações da série original por meio de todos os tipos de transformações. Além de uma janela de gagueira não fixa. É uma abordagem recente e ninguém fez isso. Mas eu peguei uma porcaria de coronavírus e estou descansando ☺️.
1. A reamostragem de um outlier não o remove. Existem programas, e você pode fazer isso da maneira kolkhoz: altere tudo que for maior que +/- 0,005 do quantil correspondente para esse valor. As estatísticas mudam notavelmente.
2. Extremamente interessante, especialmente sobre a entropia. Gostaria de ver o resultado. A correlação é para séries estacionárias, podemos esquecê-la.
Maxim Dmitrievsky #: Além de uma janela de gagueira não fixa.
Qual é a janela de gagueira não comprometida? Número diferente de recursos/colunas em cada linha? Mas você deve sempre alimentar o modelo com o mesmo número de colunas.
1. A reamostragem de outlier não é removida. Existem programas, mas podemos fazer isso da maneira kolkhoz: alteramos tudo que for maior que +/- 0,005 do quantil correspondente para esse valor. As estatísticas mudam de forma surpreendente.
2. Extremamente interessante, especialmente na entropia. Gostaria muito de ver o resultado. A correlação é para séries estacionárias, pode esquecer.
A reamostragem de tudo com Gaussianas em seu interior a remove
O que é a janela não comprometida? Número diferente de recursos/colunas em cada linha? Mas você deve sempre alimentar o modelo com o mesmo número de colunas.
Escrevi acima em algum lugar há algum tempo, caso os modders não tenham limpado.
Uma pesquisa sobre "janela não fixa" fornece apenas esta página
Houve um pensamento em algum lugar sobre fractais e outras coisas, de que o último preço nem sempre tem o melhor poder de previsão. Ou seja, às vezes é necessário interromper a janela por condições ou por meio de outras formas de fixá-la, de modo que as barras anteriores participem da previsão, não as últimas. E, assim, ela deve correr para frente e para trás no histórico.
Maxim Dmitrievsky #: A reamostragem é feita para remover exceções, tornar a amostra mais gaussiana
De modo geral, eu estava sugerindo uma amostragem significativa por entropia ou correlação. Para tornar os chips mais informativos. Além disso, pegue os incrementos e adicione a eles o máximo de informações da série original por meio de todos os tipos de transformações. Além de uma janela de gagueira não fixa. É uma abordagem recente e ninguém fez isso. Mas eu peguei uma porcaria de coronavírus e estou descansando ☺️.
A inferência casual deveria ajudar a escolher fichas informativas como uma opção, mas acabou não sendo sobre isso
Não está totalmente claro.
Sei exatamente que preciso de janelas diferentes em partes diferentes da série temporal. Mas o problema é antigo: se você escolher uma janela em algum segmento, ela não será necessariamente a mesma janela no segmento seguinte, uma variante da não estacionariedade da largura da janela.
Sei com certeza que é necessário ter uma janela diferente em diferentes partes da série temporal. Mas o problema é antigo: se você escolher uma janela em alguma seção, não necessariamente essa janela estará na próxima seção, uma variante da não estacionariedade da largura da janela.
Minha cabeça é de madeira, farei um exemplo mais tarde
Por exemplo, havia um conjunto de fichas que previa um longo declínio. Nesse caso, não faz sentido mover a janela a cada barra, mas apresentar as mesmas características em uma nova barra. E assim por diante, até um determinado ponto, quando ela será movida novamente. Esses pontos também devem ser preenchidos.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
A reamostragem é feita para remover exceções, suavizar a amostra
1. A reamostragem de um outlier não o remove. Existem programas, e você pode fazer isso da maneira kolkhoz: altere tudo que for maior que +/- 0,005 do quantil correspondente para esse valor. As estatísticas mudam notavelmente.
2. Extremamente interessante, especialmente sobre a entropia. Gostaria de ver o resultado. A correlação é para séries estacionárias, podemos esquecê-la.
Qual é a janela de gagueira não comprometida? Número diferente de recursos/colunas em cada linha? Mas você deve sempre alimentar o modelo com o mesmo número de colunas.
1. A reamostragem de outlier não é removida. Existem programas, mas podemos fazer isso da maneira kolkhoz: alteramos tudo que for maior que +/- 0,005 do quantil correspondente para esse valor. As estatísticas mudam de forma surpreendente.
2. Extremamente interessante, especialmente na entropia. Gostaria muito de ver o resultado. A correlação é para séries estacionárias, pode esquecer.
O que é a janela não comprometida? Número diferente de recursos/colunas em cada linha? Mas você deve sempre alimentar o modelo com o mesmo número de colunas.
E o texto acima foi escrito em algum lugar recentemente, caso os mods não o tenham limpado
A pesquisa sobre "janela não corrigida" fornece apenas esta página
A reamostragem de qualquer coisa com gaussianas em seu interior - remove-a
Curioso, mas muito inteligente.
Uma pesquisa sobre "janela não fixa" fornece apenas esta página
Curioso, mas muito complicado.
A reamostragem é feita para remover exceções, tornar a amostra mais gaussiana
Não está totalmente claro.
Sei exatamente que preciso de janelas diferentes em partes diferentes da série temporal. Mas o problema é antigo: se você escolher uma janela em algum segmento, ela não será necessariamente a mesma janela no segmento seguinte, uma variante da não estacionariedade da largura da janela.
Não está claro de forma alguma.
Sei com certeza que é necessário ter uma janela diferente em diferentes partes da série temporal. Mas o problema é antigo: se você escolher uma janela em alguma seção, não necessariamente essa janela estará na próxima seção, uma variante da não estacionariedade da largura da janela.