Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1733
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
ну если по минутам закономерность "разлита" рвано/не равномерно то думаю класстеризировать не стоит, пока как есть оставить и тестануть
обычно группируются по несколько мин. подряд
обычно группируются по несколько мин. подряд
делай как знаешь но сделай OOS
хочу глянуть
Такой вопрос к знатокам МО: известно, что можно научить НС узнавать вещь по изображению, но вещь должна быть в нормальном, собранном состоянии, а можно ли обучить НС распознавать сломанные предметы, как например, автомобиль после аварии, дом в процессе сноса, мебель после торнадо? Человек справляется на раз.
какая разница сломан дом или не сломан, сеть учиться тому что ее учат
какая разница сломан дом или не сломан, сеть учиться тому что ее учат
Исчерпывающе.)))
Дом всегда сломан по разному. Между целым домом и разрушенным есть большая разница. Если целый дом имеет несколько христоматийных образов, то разрушенный дом может выглядеть как угодно. И все же, человек его легко распознает.
Человек легко справляется с энтропией в изображении, а вот НС?
Я где-то (ибо забыл уже - где, т.к. больше месяца трейдингом не занимаюсь) показывал, что распределение вероятности рыночных приращений - это произведение СВ гауссовского и экспоненциального (или в общем случае - Эрланга) распределений.
Распределение Эрланга отвечает за интервалы времени между тиковыми котировками и генератор таких чисел выглядит так:
Здесь Lambda - интенсивность потока событий (котировок).
Если Lambda=const, то данный процесс - стационарный, но на рынке интенсивность потока разная в разные моменты времени, т.е. Lambda=f(t), что определяет нестационарность процесса в целом.
Т.о. чтобы выделить стационарный процесс, необходимо рассматривать отдельные участки ВР с одинаковой плотностью потока как единое целое.
Поэтому, попытки разбивать ВР на часы внутри суток, а потом эти часы "склеивать" между собой - однозначно имеют право на жизнь.
Исчерпывающе.)))
Дом всегда сломан по разному. Между целым домом ..
Ну да, и котики на картинке разные , но сеть их распознает и от собачек отличает как то...
Почитайте хоть что нибудь про принципы распознавания образов, про сверточные сети , как это работает итп. У вас вопросы очень не зрелые , когда прочитаете то поймете их глупость
Ну да, и котики на картинка разные , но сеть их распознает и от собачек отличает как то...
Почитайте хоть что нибудь про принципы распознавания образов, про сверточные сети , как это работает итп. У вас вопросы очень не зрелые , когда прочитаете то поймете их глупость
Ваши ответы тоже зрелостью не отличаются. Еще раз повторю: разрушенный предмет имеет слишком большие отличия от целого, и потому, энтропию в его изображении нельзя побороть увеличивая обучающую выборку. Эта выборка может стать бесконечной или перепутается с другими выборками. Это даже мне очевидно.
Ваши ответы тоже зрелостью не отличаются. Еще раз повторю: разрушенный предмет имеет слишком большие отличия от целого, и потому, энтропию в его изображении нельзя побороть увеличивая обучающую выборку. Эта выборка может стать бесконечной или перепутается с другими выборками. Это даже мне очевидно.
Очевидно да не очень видимо )) Если вы хотите обучить сеть распознавать разрушенный дом то обучаете ее на разрушенных домах. А не даете ей целый дом и мудрствуете , а как же она будет представлять разрушенный дом... Очевидно же!!
Это то же самое что я ответил с самого начала
mytarmailS:какая разница сломан дом или не сломан, сеть учиться тому что ее учат