Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1042
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Buza çarpmaktan yorulduğunuzda, her iki fiyat/zaman ölçeğinin de özünde lineer olmadığını düşünün. Bu, saf algo ticareti (piyasayı anlamadan) açısından yaklaşırsanız olur.
Zaman, periyodik süreçleri nasıl ölçtüğümüzdür. Rastgele bir oluşum doğasına sahip süreçleri ölçmek için zamanın çok az anlamı vardır.
Küçük (kene, "kuantum") aralıklarla zaman ölçeği doğrusal değildir ve rastgeledir, kene boyutuna sahip olaylar için önemli bir faktör olarak zamanın hiç olmadığı görülmektedir.
Geniş aralıklarla, günlük, haftalık, haberlerle ilgili ve diğer dönemsel homojensizliklerin örtüşmesi nedeniyle, zaman ölçeği doğrusala daha yakın kabul edilebilir ve zamanın önemi artar.
Yasaktır. Hurst üssü için para birimlerini kontrol edin. Piyasanın rastgeleliği hakkında açıkça konuşuyor. Ve rastgele bir pazarda ne düşünebilirsiniz? Sadece Martin. Ama öte yandan, piyasada farklı yaşam sürelerinde verimsizlikler ortaya çıkıyor. Ve para kazanıyorlar. Ve bu artık bir kaza değil. Hareket etmemiz gereken verimsizlik arayışı yönündedir. Bu süreci otomatikleştirmek istiyorum. Ama burada neler olduğunu anlayamıyorum. Sinir ağları bunun için uygun değildir. Öğrenmek için hazır kalıplara ihtiyaçları vardır.
Ve neden bariz bir şekilde var olan ve işe yarayan, planımızı milyarlarca yıldır düşmekten kurtaran ve algoritmik tüccarların danışmanlarını optimize etmelerine ve özelleştirmelerine yardımcı olan nedir - atalet, piyasa belleği ?
Burada bir sonraki konuda, sonuçta, doğru, ilk gönderide Markov dışı fiyatlandırmayı hiçbir hilenin yok edemeyeceği belirtiliyor, ancak oradaki akıl yürütmenin geri kalanı, kene dağılımları ve integro-diffurance, IMHO, yalnızca veri beslemeleri için filtreleri araştırmak için uygun, ancak biz MO konusundayız :)
Evet ve sinir ağları, bu görev için IMHO - bu en ...
Tyuyuyuyuyuyu .... evet dalın ilk sayfanın altına düştüğü nerede görüldü ????? Evet .... siz başlattınız ... başlattınız. Aynı zamanda, benim için her şey yolunda ve elde edilen sonuçlar oldukça cesaret verici ve hepsi tesadüfi bir hata sayesinde :-)
Böyleydi ..... Örnek olarak ...
Ve bu hale geldi... Verilerde bir gelişme olup olmadığını kim söyleyebilir ????
Birçok gerçek soru var. Temel bileşen grafiği nasıl yorumlanır????? Yine de soru şu: Bu iki veri kümesi aynı zaman diliminden. Hedef aynı, ancak tahmin edicileri kaydetmek iki farklı şekilde yapıldı. Böyle. Çıktı ekstralarınız, bu görev tam size göre!!!!!
Verilen veri kümelerinden hangisi daha iyi??? Birinci veya ikinci. Sizin fikriniz efendim!
Ve sonra konuşacağım ...... tamam mı???
Bu konunun 2 sayfasına bile hakim olamadım.
Ben sadece fikrimi söyleyeceğim. Ve böylece Makine öğrenimi, yapılan işin sonucuna dayanan araç, analiz ve algoritmanın kendisi hakkında bir istatistikler kümesidir, ancak ... Önemli bir not var, hiçbir algoritma, tüm koşullar karşılanırsa, o zaman siz olduğunuzu garanti etmez. istenen sonucu elde edecek, yani verileri ne kadar analiz ederseniz edin ve karar verme algoritmaları ne kadar karmaşık olursa olsun, tüm bunlarda amaçlanan sonucun bir olasılığı olacaktır.
Ticaret yapma olasılığınızdır, bunun sonucunda daha yüksek olasılık katsayılarının sonucunu aramanız gerekir. Piyasanın kendisi monoton, analizime göre (doğru değil, ancak hem uzun hem de kısa için doğru değildi), aynı zaman aralığı için piyasa yaklaşık olarak aynı (%49 / %51 veya %51 / %49) verir. her iki yönde de karlı işlemlerin sayısı.
Ve bu nedenle, karar verme algoritması, takdirinize bağlı olarak ek filtreler ile sonucun olasılığının en yüksek (nitel) tahminine dayanmalıdır.
Tyuyuyuyuyuyu .... evet dalın ilk sayfanın altına düştüğü nerede görüldü ????? Evet .... siz başlattınız ... başlattınız. Aynı zamanda, benim için her şey yolunda ve elde edilen sonuçlar oldukça cesaret verici ve hepsi tesadüfi bir hata sayesinde :-)
Böyle oldu ..... Örnek olarak ...
Ve bu hale geldi... Verilerde bir gelişme olup olmadığını kim söyleyebilir ????
Birçok gerçek soru var. Ana bileşen grafiği nasıl yorumlanır????? Yine de soru şu: Bu iki veri kümesi aynı zaman diliminden. Hedef aynı, ancak tahmin edicileri kaydetmek iki farklı şekilde yapıldı. Böyle. Çıktı ekstralarınız, bu görev tam size göre!!!!!
Verilen veri kümelerinden hangisi daha iyi??? Birinci veya ikinci. Sizin fikriniz efendim!
Ve sonra konuşacağım ...... tamam mı???
Mikhailo PCA'ya gitti .. ne için, eller kaşınıyor? )
ana bileşen grafiği ortogonal olarak yorumlanmalıdır :D
kırmızı olanlar, bir dizi tahmin edici gibidir ve sayılar ne anlama geliyor?
Mikhailo PCA'ya gitti .. ne için, eller kaşınıyor? )
ana bileşen grafiği ortogonal olarak yorumlanmalıdır :D
Yani, hangisi daha iyi???
Yani, hangisi daha iyi???
iyi ikinci, %55
peki ikinci, %55
Ana bileşen grafiğinde ( ilk arsa ) %55 yoktur. %55, her iki durumda da verilerin iyi ayrılmış iki alanı temsil ettiği bir kümeleme grafiğidir. Biri daha iyi, biri daha kötü ve yine de ilk grafiğe dönelim. Alttaki neden üsttekinden daha iyi????
Bunun için onları nasıl yorumlayacağınızı bilmeniz gerekir !!!!
Ana bileşen grafiğinde ( ilk parsel ) %55 yoktur. %55, her iki durumda da verilerin iyi ayrılmış iki alanı temsil ettiği bir kümeleme grafiğidir. Biri daha iyi, biri daha kötü ve yine de ilk grafiğe dönelim. Alttaki neden üsttekinden daha iyi????
Bunun için onları nasıl yorumlayacağınızı bilmeniz gerekir !!!!
Peki, sayılar puan ise, o zaman ikincisinde, 2. bileşenlerin dağılımı 1.'den daha düşüktür, değil mi?
http://setosa.io/ev/principal-component-analysis/
fare ile grafikleri çevirin ve okuyun, her şey hemen netleşecek
Peki, sayılar puan ise, o zaman ikinci bileşende 2. bileşenlerin varyansı 1. bileşenden daha düşüktür, değil mi?
http://setosa.io/ev/principal-component-analysis/Kabul ediyorum!!!! Ama hepsi bu kadar değil... Sıfır eksenlerine mümkün olduğunca yakın olan bu tür vektörlerin varlığından dolayı ikinci grafiğin daha iyi olduğu ortaya çıktı. Bu örnekte bu çok görünür değil ama artık bileşen vektörlerinin sıfır eksenleri ile çakıştığı ve alanı 4 kareye böldüğü veri setleri karşımıza çıktı. İlk durumda, bileşenlerin eksenleri sıfırlar arasındaki köşegenler boyunca dağılırken, ikinci şekilde sıfır çizgilerine mümkün olduğunca yakın olan bileşenlerin vektörleri vardır. Tahmin edicinin adını bilerek, girdiler tam olarak sıfır eksenine mümkün olduğunca yakın ve hangi yönde olursa olsun bileşenlerin vektörünü oluşturan tahmin edicileri içerene kadar optimize ediciyi eğitiriz. Yine, bu benim IMHO'm !!! Bu yüzden ne kadar haklı olduğumu açıklamak istedim !!!!