Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1993
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
Я написал, что сложно представить такую модель, которая хотя бы на трейне показывала обратную зависимость, т.е. обучалась бы наоборот
Не понял тогда про обратную зависимость. если это неизменная зависимость от прошлых данных, то что здесь сложного. что такое обратная зависимость тогда.
Не понял тогда про обратную зависимость. если это неизменная зависимость от прошлых данных, то что здесь сложного. что такое обратная зависимость тогда.
Корреляция исходного и предсказанного рядов
Тогда модель работает наоборот. Я понял что вопрос был про приращения. Перевернутая модель, или умноженная на минус один без учета модулей. Хотя конечно в слоях НС все может быть не так однозначно.
Тогда модель работает наоборот. Я понял что вопрос был про приращения. Перевернутая модель, или умноженная на минус один без учета модулей. Хотя конечно в слоях НС все может быть не так однозначно.
Просто эта метрика может возвращать отрицательные значения, да. Но на практике такого почти никогда не бывает. Тогда можно принять величину за относительную, в чем проблема. Мы тут не великие математики
Отрицательная корреляция исходных и прогнозных данных это неправильная модель. Конечно это редкий случай. А корреляция между ними конечно не абсолютна, и скорее даже не относительна, там от слоев зависит какого порядка диф, ускорение какого порядка типа.
Отрицательная корреляция исходных и прогнозных данных это неправильная модель. Конечно это редкий случай. А корреляция между ними конечно не абсолютна, и скорее даже не относительна, там от слоев зависит какого порядка диф, ускорение какого порядка типа.
Там нет слоев, это бустинг деревьев
блин, функция не линейная и сложная между исходником и прогнозом. Но изначально в целях соответствие и правильный прогноз. поэтому обычно корреляция положительная. Не линейная. И без разницы алгоритм прогноза. Данные готовят в целях правильного прогноза. Но все это пока не достаточно для прогноза достоверного.))))
блин, функция не линейная и сложная между исходником и прогнозом. Но изначально в целях соответствие и правильный прогноз. поэтому обычно корреляция положительная. Не линейная. И без разницы алгоритм прогноза. Данные готовят в целях правильного прогноза. Но все это пока не достаточно для прогноза достоверного.))))
Ф-я простая линейная, р квадрат ошибок
Ну мы о разных вещах. р квадрат ошибок это оценка прогноза. а не зависимость - функция исходных данных к прогнозу. в оценке просто, данные реальные и прогнозные, а вот зависимость от исходных данных прогнозных сложная. И ее обычно и не делают. Сложно. Проще оценить результат.
Ну мы о разных вещах. р квадрат ошибок это оценка прогноза. а не зависимость - функция исходных данных к прогнозу. в оценке просто, данные реальные и прогнозные, а вот зависимость от исходных данных прогнозных сложная. И ее обычно и не делают. Сложно. Проще оценить результат.