пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
Если вкратце суть, зачем делается кластеризация временного ряда в контексте обучения РФ?
Alexey Burnakov: Если вкратце суть, зачем делается кластеризация временного ряда в контексте обучения РФ?
Если хотите коротко , то отвечу картинкой...
есть у нас два ряда одинаковой длинны с одинаковым паттерном внутри, но один паттерн не совсем совпадает по индексам с другим , так вот суть DTW алгоритма в том что при кластеризации он поймет что это один и тот же паттерн, а вот RF не поймет
есть у нас два ряда одинаковой длинны с одинаковым паттерном внутри, но один паттерн не совсем совпадает по индексам с другим , так вот суть DTW алгоритма в том что при кластеризации он поймет что это один и тот же паттерн, а вот RF не поймет
Алгоритм DTW не такая уж универсальная вещь, он просто сравнивает два временных ряда по абсолютным значениям, т.е. нужна предв.нормировка сдвига и масштаба по вертикальной оси, и очень много зависит от конкретной реализации. Например, здесь https://www.mql5.com/ru/code/10755 берутся для сравнения 2 куска фиксированной длины и не учитывается, что один из них может быть длиннее, другой короче, да и объём вычислений можно значительно сократить и т.д. Речь может идти о кластеризации по специфичным для DTW параметрам - можно вычислить не только "степень сходства" двух фрагментов, но и соотношение горизонтальных масштабов.
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
коротко если кому интересно....
пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
коротко если кому интересно....
пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
Цену на вход... Предикторы на входе...
Цирк на конной тяге!
Цену на вход... Предикторы на входе...
Цирк на конной тяге!
Вадим, если есть что по сути сказать, говорите...
А если просто реплику кинуть на уровне 5-ого класса, то лучше промолчать...
как минимум из уважения к тем кто это потом будет читать...
Вадим, если есть что по сути сказать, говорите...
А если просто реплику кинуть на уровне 5-ого класса, то лучше промолчать...
как минимум из уважения к тем кто это потом будет читать...
Предиктор знаете что такое?
Зачем в сеть цену подавать?
1) Предиктор знаете что такое?
2) Зачем в сеть цену подавать?
1) ну да, данные на которых сеть учиться
2) а что есть более объективное чем цена? , так что почему нет?
коротко если кому интересно....
пробовал использовать алгоритм DTW в кластеризации, с простыми элементарными данными просто для себя..
брал цену и на ее участках в виде скользящего окна обучал RF, потом опять брал ту же цену и те же участки в виде скользящего окна и кластеризировал алгоритмом DTW и потом обучал RF
ошибка при обучении и при распознавании новых данных с алгоритмом DTW была меньше на 2-4%
если добавить большое количество предикторов то думаю ошибку можно будет намного сильнее опустить, но алгоритм адски медленный
Если вкратце суть, зачем делается кластеризация временного ряда в контексте обучения РФ?
Если хотите коротко , то отвечу картинкой...
есть у нас два ряда одинаковой длинны с одинаковым паттерном внутри, но один паттерн не совсем совпадает по индексам с другим , так вот суть DTW алгоритма в том что при кластеризации он поймет что это один и тот же паттерн, а вот RF не поймет
ето все грубо говоря конечно
1) ну да, данные на которых сеть учиться
2) а что есть более объективное чем цена? , так что почему нет?
Успехов. :)
Если хотите коротко , то отвечу картинкой...
есть у нас два ряда одинаковой длинны с одинаковым паттерном внутри, но один паттерн не совсем совпадает по индексам с другим , так вот суть DTW алгоритма в том что при кластеризации он поймет что это один и тот же паттерн, а вот RF не поймет