Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2193

mytarmailS:

кароч такая тема

вопрос снимается, вроде нашел решения

https://www.kaggle.com/general/20017

mytarmailS:

Александр, данные тут не помогут, меня интересует есть ли методика чтобы прогнозировать сразу n значений...

Если вы у себя натренируете АМО , и даже успешно, мне от этого легче не будет, разве что вы в R программируете..

ок

Всё есть. Вот у меня в программе STATISTICA есть, в Pyton точно найдётся решение, просто опытные в этом деле могли бы вам помочь с выбором подхода, данные нужны для исследований, проверки идеи...

Aliaksandr Hryshyn:

Всё есть. Вот у меня в программе STATISTICA есть, в Pyton точно найдётся решение, просто опытные в этом деле могли бы вам помочь с выбором подхода, данные нужны для исследований, проверки идеи...

ок,

буду тренировать модель, выложу данные..

я случайно удалил тот скрипт что создавал дата сет, прийдеться наново писать



И понимаете в чем суть, я зарание знаю что ошибка там будет огромная, там нужно будет еще с прогнозами танцевать наверное

Канал строится по трем экстремумам,  возможны всего  два варианта или два экстремума внизу - один вверху.Или наоборот.  По другому на двухмерном графике, не построить красиво, как не извращайся.  Отрабатывает в 100% случаев из ста, на любой размерности. Что вы там обучать и тренировать собираетесь и зачем, непонятно.
Aliaksandr Hryshyn:

Так дайте людям данные, соберите и представьте в удобном формате, csv, например.

вот , "up" "dw" "fast"  для прогноза , остальное признаки

Файлы:
dd.zip  3211 kb
Wizard2018:
  Отрабатывает в 100% случаев из ста, на любой размерности. Что вы там обучать и тренировать собираетесь и зачем, непонятно.

откуда вы такие беретесь ??

А мы все продолжаем любоваться )))


Вот и зачем было эти понты колотить , спрашываеться....

[Удален]
mytarmailS:

А мы все продолжаем любоваться )))


Вот и зачем было эти понты колотить , спрашываеться....

цирк уехал, а клоуны остались

Maxim Dmitrievsky:

Интересен пример семплинга новых точек из CVAE, пример выбора диапазона для семплинга (в пространстве признаков). Трансформация пространства признаков. Визуализация классов/распределений

если есть на питоне - вообще прекрасно

Вот формулировка вариационного автокодировщика , и её ревлизвция в keras с созданием своей функцией потерь. Буду ковырять сегодня вечерком)

https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/

Variational Autoencoder: Intuition and Implementation
Variational Autoencoder: Intuition and Implementation
  • wiseodd.github.io
There are two generative models facing neck to neck in the data generation business right now: Generative Adversarial Nets (GAN) and Variational Autoencoder (VAE). These two models have different take on how the models are trained. GAN is rooted in game theory, its objective is to find the Nash Equilibrium between discriminator net and...
[Удален]
welimorn:

Вот формулировка вариационного автокодировщика , и её ревлизвция в keras с созданием своей функцией потерь. Буду ковырять сегодня вечерком)

https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/

Да, найс. У меня тензор почему-то не хочет вставать, поэтому на торче буду смотреть

меня пока даже не столько реализация интересует, сколько сам подход. Как задавать распределения, интерпретировать и т.д. Потому что можно сделать по разному

вот интересные статьи 1, 2, дают интуицию что происходит внутри