Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3041

[СанСаныч Фоменко]

mytarmailS #:
Vale a pena comparar.

Eu estava apenas olhando para ele por curiosidade

Não está claro como fazer a comparação. O UpSample deve levar ao excesso de treinamento devido à duplicação de dados idênticos, o que não é detectável imediatamente.

[mytarmailS]

СанСаныч Фоменко #:

Não está claro como fazer a comparação. Idealmente, o upSample devido à duplicação de dados idênticos deve levar ao supertreinamento, que não é detectável imediatamente.

Por que não? Treinar, testar, validar e pronto.

[СанСаныч Фоменко]

mytarmailS #:

Treine, teste, valide e vá em frente.

Que pena, mudei o avar.

[mytarmailS]

СанСаныч Фоменко #:

Que pena, o avar mudou

Por quê?

[Maxim Dmitrievsky]

O militarismo também chegou a esse tema bonito e fofo

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:
O militarismo chegou a esse tema tão bonito e fofo.

Então, ele tem um atirador de elite?

[mytarmailS]

Estou tentando linearizar o espaço, ou apenas traduzir um espaço não linear em um espaço mais linear. Estou interessado no algoritmo HLLE.

https://en.wikipedia.org/wiki/Nonlinear_dimensionality_reduction

parece bem interessante. Parece-me que o AMO será mais fácil de reconhecer esse esboço do que o preço como está.

Alguém pode me dizer por que há uma distorção tão desagradável das cores na animação quando eu a carrego aqui?

Então, é assim que o preço transformado pelo algoritmo se parece.

Quem quiser brincar?

p <- cumsum(rnorm(400,sd = 0.01))+100
p <- stats::embed(p,dimension = 20)[,20:1]
plot(p[,20],t="l",pch=20)

library(dimRed)
emb <- embed(p, "HLLE", knn = 15)

pp <- [e-mail][,20]
xx <- emb@data@data

par(mar=c(2,2,2,2), mfrow=c(1,2))
plot(pp,t="l",pch=20)
plot(xx,t="p",pch=20)

for(i in 1:nrow(xx)){
  Sys.sleep(0.05)

  plot(pp,t="l",pch=20)
  points(i,pp[i],col=2,lwd=6)
  plot(xx, t="p",lwd=2,pch=20)
  points(xx[i,1],xx[i,2],col=2,lwd=6)
}

[Maxim Dmitrievsky]

Bem, o aprendizado múltiplo tem os mesmos problemas que o pca.

você terá dificuldade em ajustar séries não estacionárias

[mytarmailS]

Maxim Dmitrievsky #:

Bem, estou aprendendo com os mesmos problemas que o pca.

você terá dificuldade em ajustar séries não estacionárias

Não há nada a ser ajustado, o padrão atual é transformado em uma dimensão diferente e isso é tudo.

[mytarmailS]

fez uma imagem mais bonita

p <- cumsum(rnorm(300,sd = 0.01))+100
n <- 10
p <- stats::embed(p,dimension = n)[,n:1]

library(dimRed)
emb <- embed(p, "HLLE", knn = 15)
pp <- [e-mail][,n]
xx <- emb@data@data


gg <- cbind.data.frame(time=1:length(pp),xx,pp)
library(patchwork)
library(ggplot2)
p1 <- ggplot(gg, aes(x =time, y = pp, col=time)) +
  geom_point()  +
  scale_color_gradientn(colours = rainbow(4))
p2 <- ggplot(gg, aes(x = HLLE1, y = HLLE2, col=time)) +
  geom_point()  +
  scale_color_gradientn(colours = rainbow(4))
p1 + p2 + plot_layout(nrow = 2)