elibrarius: Это если у вас только цены на входе. А если еще и время от 0 бара до того на котором вы смотрите цену, а если еще объемы (тик/реал) или еще что-то. Евклидово, да и вообще любое расстояние между фичами будет неадекватно. Как можно уравнять 5 пунктов цены, 5 минутных баров, 5 часовых баров, 5 лотов объема? Никак. А кластеризатор их посчитает равными.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами. В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами. В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Иногда можно для нормализациипризнаков использовать их функцию распределения для СБ. Например, длины колен зигзага для СБ распределены по экспоненциальному закону и тд. Если распределение точно неизвестно, то можно его построить приближённо, посредством моделирования Монте Карло.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами. В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Энтропия давно используется везде в кач-че ф-ии потерь или кросс энтропия. Да и потом, все это не имеет никакого значения на рядах с плавающим законом, если и имеет, то второстепенную важность. Решение лежит на поверхности и уже предлагался один из вариантов в этой теме, шатко-валко работает. Подробности пока не скажу, но статью напишу когда-нибудь. З.Ы. наверное, погорячился про поверхность, но по крайней мере для меня 😀
Если признаки равномерно распределены в единичном кубе, то наиболее правильной метрикой интуитивно кажется Чебышовская. Другое дело, что вряд ли получится так хорошо нормализовать произвольные признаки.
Если признаки равномерно распределены в единичном кубе, то наиболее правильной метрикой интуитивно кажется Чебышовская. Другое дело, что вряд ли получится так хорошо нормализовать произвольные признаки.
Экспериментировал с нормализацией, получаются приличные потери в моделях, без неё лучше. Поэтому леса деревьев, а не нейросети.
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.
Это если у вас только цены на входе. А если еще и время от 0 бара до того на котором вы смотрите цену, а если еще объемы (тик/реал) или еще что-то. Евклидово, да и вообще любое расстояние между фичами будет неадекватно. Как можно уравнять 5 пунктов цены, 5 минутных баров, 5 часовых баров, 5 лотов объема? Никак.
А кластеризатор их посчитает равными.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Иногда можно для нормализации признаков использовать их функцию распределения для СБ. Например, длины колен зигзага для СБ распределены по экспоненциальному закону и тд. Если распределение точно неизвестно, то можно его построить приближённо, посредством моделирования Монте Карло.
Нормализация просто изменит масшьабы. Из шара сделает элипсоид - если мах величины не совпадают. Будете 5 пт уравнивать с 2 часами и 7 лотами.
В любом случае это уравнивание теплого с мягким. После нормализации получится теплое с пушистым))
Теплое с пушистым это хотеть сравнивать -
5 часовых баров и 5 лотов объема
Можно использовать метрику Махаланобиса или какую-то нормализацию данных.
Почему у всех знаменитых математиков такие заковыристые фамилии?
Почему у всех знаменитых математиков такие заковыристые фамилии?
Индиец же) У них там есть и позаковыристее)
Справочка по метрикам, сам не знаю некоторые https://russianblogs.com/article/7586220986/
Если признаки равномерно распределены в единичном кубе, то наиболее правильной метрикой интуитивно кажется Чебышовская. Другое дело, что вряд ли получится так хорошо нормализовать произвольные признаки.
Если признаки равномерно распределены в единичном кубе, то наиболее правильной метрикой интуитивно кажется Чебышовская. Другое дело, что вряд ли получится так хорошо нормализовать произвольные признаки.