Discussão do artigo "Ciência de Dados e Aprendizado de Máquina (Parte 14): aplicando mapas de Kohonen nos mercados"
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
Novo artigo Ciência de Dados e Aprendizado de Máquina (Parte 14): aplicando mapas de Kohonen nos mercados foi publicado:
Deseja descobrir uma nova metodologia de negociação que facilite a orientação em mercados complexos e voláteis? Explore os mapas de Kohonen - uma versão inovadora de redes neurais artificiais, capazes de identificar regularidades e tendências ocultas nos dados do mercado. Neste texto, analisaremos a funcionalidade dos mapas de Kohonen e a forma de utilizá-los na elaboração de estratégias de negociação eficazes. Estou convencido de que esta abordagem inédita será do interesse de traders novatos e experientes.
Os Mapas de Kohonen ou mapas Auto-Organizáveis (SOM) ou Mapa de Características Auto-Organizáveis (SOFM) são uma técnica de aprendizado de máquina não supervisionada usada para produzir uma representação de baixa dimensão (tipicamente bidimensional) de um conjunto de dados de dimensão superior, preservando a estrutura topológica dos dados. Por exemplo; Um conjunto de dados com p variáveis medidas em n observações poderia ser representado como clusters (agrupamentos) de observações com valores semelhantes para as variáveis. Esses clusters então poderiam ser visualizados como um "mapa bidimensional" de modo que observações em clusters próximos tenham valores mais semelhantes do que as observações em clusters distais. Isso pode tornar os dados de alta dimensão mais fáceis de visualizar e analisar.
Os mapas de Kohonen foram desenvolvidos por um matemático finlandês conhecido como Teuvo Kohonen na década de 1980.
Autor: Omega J Msigwa