Encontrar um conjunto de indicadores para alimentar as entradas da rede neural. Discussão. Uma ferramenta para avaliar os resultados. - página 9
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
Não estou realmente à procura de um embrulho de série de preços. Já existe um conjunto de indicadores (ou seja, uma série de preços transformados), portanto, a dimensionalidade deste conjunto precisa ser reduzida.
Recomendo que, para este fim, você também considere as possibilidades de mapas de co-organização. A dimensionalidade é melhor reduzida com eles. Eles também destacarão a gama de estados. Existe também uma variante de análise como a análise de componentes independentes. É muito mais promissor, mas até agora não tenho sido capaz de compreendê-lo em toda a sua extensão. Se você estiver interessado na análise de componentes independentes - me avise.Aqui estão alguns livros sobre otimização. Acabado de baixar, ainda quente.
........ parece não poder ser anexado. Eu o recebi do site http://torrents.ru.
Você poderia ter esclarecido um pouco a direção.Você poderia ter esclarecido um pouco a direção.
Otimização" sob demanda:
http://torrents.ru/forum/viewtopic.php?t=1591908e
http://torrents.ru/forum/viewtopic.php?t=2139370e
http://torrents.ru/forum/viewtopic.php?t=1327023e
http://torrents.ru/forum/viewtopic.php?t=711214e
http://torrents.ru/forum/viewtopic.php?t=2346898e
http://torrents.ru/forum/viewtopic.php?t=2123107e
Obrigado joo. Intriligador foi meu livro de bordo. :) Veja, quero dizer, estude o material.
Isto é o que um amigo matemático me escreveu quando me perguntaram como se livrar da correlação de entrada:
"O método dos componentes principais parece ser este. Aqui está uma descrição mais ou menos acessível: http://www.statsoft.ru/home/ textbook/modules/stfacan.html. Como isso é eficaz no seu caso, não sei. Mas a correlação linear deve eliminá-la bem. "
Vou investigar isso.
PCA é transformação de dados e redução da dimensionalidade, ou seja, após a transformação dos dados encontramos os melhores dados de entrada (de acordo com o critério).
Se você precisar selecionar dados não correlatos dos dados iniciais, então regras de regressão multivariada. Por exemplo, se você tiver um conjunto de indicadores, você pode executar cuidadosamente uma regressão multivariada em um programa estatístico e encontrar o conjunto certo de indicadores.
Também recomendo que você estude as possibilidades de mapas de organização de soma- para este fim. A dimensionalidade é melhor reduzida com eles. Eles também selecionarão o conjunto de estados. Há também uma variante de análise como a análise de componentes independentes. É muito mais promissor, mas até agora não tenho sido capaz de compreendê-lo em toda a sua extensão. Se você estiver interessado na análise de componentes independentes - me avise.
Os mapas de auto-organização serão considerados se o PCA falhar.
Ouvi falar sobre a análise independente de componentes, mas não entendi o que é em detalhes.
Agora planejo implementar o PCA com base em minha própria biblioteca matricial.
O cálculo foi feito com excelência.
Resistente :)
o cálculo foi feito de forma excelente.
Resistente :)
Isso é outra coisa... Estou me pegando pensando que comecei a programar cálculos de força na minha cabeça em MQL5.... :)
Portanto, devo tê-lo usado incorretamente, ou tê-lo preparado.
Eu mesmo já trabalhei com compressão de imagens. Algumas vezes o erro é zero, outras vezes não, dependendo do grau de compressão (número de componentes principais) e da informatividade das entradas.
Tente com exemplos simples.
Funciona muito bem com atratores :) Ainda não experimentei em fotos. Acho que a questão é a estrutura da fila. Eu não o pré-processei.
Eu concordo com o iliarr. Vai ser um ajuste.