Ekranda benzer görünüyor, ancak desenin uzunluğu çok yüksek, çünkü M1. Bulunduğu için muhtemelen saat işaretlerinde ilginç bir şey gösterecektir.
Ve bu sorun
Madencilik yaparken bir dizi ardışık numunenin yalnızca ilkini dikkate almak muhtemelen mantıklıdır.
çözülmüş gibi görünüyor.
MinStep koşullu bir adım atamasıdır(MinStep * Max(|KK|)), bu daLimit koşuluna göre ardışık benzer grafiklerden yalnızca en iyisinin dikkate alınmasını sağlar.
Ancak elbette orada madencilik (aşma) yapmıyor. Yine de çok uzakta değil.
Подсмотренные из разных мест оригинальные математические функции, которые либо не имеют аналогов, либо выполняют свою работу значительно быстрее, чем альтернативные реализации
Ekranda benzer görünüyor, ancak desenin uzunluğu çok yüksek, çünkü M1. Bulunduğu için muhtemelen saat işaretlerinde ilginç bir şey gösterecektir.
Ve bu sorun
çözülmüş gibi görünüyor.
Ama tabii ki orada madencilik (overkill) yapılmıyor. Çok uzakta olmasa da.
))) Ben de gördüm
Başlangıçta MO olmadan çok boyutlu dizilerdeki desenleri nasıl arayacağımla ilgileniyordum. Şimdiye kadar tüm boyutları tek bir boyuta sıkıştırmaktan ve korelasyon yoluyla hesaplamaktan daha iyi bir şey bulamadım (biraz hızlı). Sanırım bazen değerlerin çok farklı olmaması için normalize edilmesi gerekiyor.
3980, karmaşık, vektör<kompleks> ve matris<kompleks> türleri için Konjugat yöntemlerini uygulamıştır. Karmaşık sayılar için konjugasyon gerçekleştirirler.
Ayrıca, eşleme dizisi türündeki ONNX model çıktısının işlenmesi de eklendi. ONNX Runtime'ın işlevselliği ciddi şekilde geliştirildi.
Var, ancak işaretlerin (göstergelerin) sayısı artmakla birlikte hala çok hızlı değil.
Hatırlamıyorum ama algoritmanın karmaşıklığı kesinlikle O(N^2)'den daha az. Sanırım O(N*log)'dan daha yüksek değil. Bu yüzden işaretler büyüdüğünde gözle görülür yavaşlama pek net değil.
İki yönlü bir çubuk var: daha fazla özellik, daha az örnek - daha düşük istatistiksel anlamlılık.
O zaman göstergeleri bazı birleşik papağanlara getirmek gerekir. Gösterge farklı aralıklarda artış olsa bile, aksi halde garip bir korelasyon ortaya çıkacaktır.
Hatırlamıyorum ama algoritmanın karmaşıklığı kesinlikle O(N^2)'den daha az. Sanırım O(N*log)'dan daha yüksek değil. Bu yüzden işaretler büyüdüğünde gözle görülür yavaşlama pek net değil.
İki yönlü bir çubuk vardır: daha fazla özellik, daha az örnek - daha düşük istatistiksel anlamlılık.
Aynı zamanda tüm olası çiftleri tek seferde sayıyorum. Hala denemek istediğim çok fazla girdi verisi var. Sorun değil. Sadece STUMPY'de yaklaşık olarak sayma ve daha sonra iyileştirme fırsatı var. Fark edilebilir bir hızlanma, artı paralelleme ve GPU'da elde edersiniz. Muhtemelen tamamen bu pakete geçeceğim.
Daha sonra analiz edeceğim, henüz yorum yapmaya hazır değilim, bu geri sayımı dün yazdım
Korelasyonun abs değeri açısından en büyük sayılardan etkileneceğini düşünüyorum. Örneğin, 10000 ve 10100'lük bir hacim değişikliği ve bunların arka planında 0,00040 ve 0,00400'lük bir fiyat değişikliği mikroskobik olarak küçük olacaktır ve tüm setin korelasyonu üzerinde çok az etkisi olacaktır. Bu hipotezi test etmek için bir normalleştirme yapardım.
istatistikler, diyelim ki gelecekteki 10 çubuğu gösteriyor, gelecekte bulunan her bir model örneğinin tüm eğrilerini çıkarıyorum (bir tahmin gibi)
O zaman tüm eğrilerin ortalaması
Bu formasyonun satılık olduğu gibi, ortalama olarak ve kaç pip görülebilir.
Burada da benzer bir şey gördüm.
Ekranda benzer görünüyor, ancak desenin uzunluğu çok yüksek, çünkü M1. Bulunduğu için muhtemelen saat işaretlerinde ilginç bir şey gösterecektir.
Ve bu sorun
çözülmüş gibi görünüyor.
Ancak python'da yapıyorum ve bir kerede tüm olası çiftler için korelasyonu hesaplıyorum, sonra bunun arasından seçim yapıyorum.
Burada en önemli şey hızdırPython'da bunun bir benzeri olmalı. O zaman hızlı olmalı.
Burada da benzer bir şey gördüm.
Ekranda benzer görünüyor, ancak desenin uzunluğu çok yüksek, çünkü M1. Bulunduğu için muhtemelen saat işaretlerinde ilginç bir şey gösterecektir.
Ve bu sorun
çözülmüş gibi görünüyor.
Ama tabii ki orada madencilik (overkill) yapılmıyor. Çok uzakta olmasa da.))) Ben de gördüm
Başlangıçta MO olmadan çok boyutlu dizilerdeki desenleri nasıl arayacağımla ilgileniyordum. Şimdiye kadar tüm boyutları tek bir boyuta sıkıştırmaktan ve korelasyon yoluyla hesaplamaktan daha iyi bir şey bulamadım (biraz hızlı). Sanırım bazen değerlerin çok farklı olmaması için normalize edilmesi gerekiyor.
Python'da bunun bir benzeri olmalı. O zaman hızlı olmalı.
Var, ancak işaretlerin (göstergelerin) sayısı arttığında, hala çok hızlı değil.
3980, karmaşık, vektör<kompleks> ve matris<kompleks> türleri için Konjugat yöntemlerini uygulamıştır. Karmaşık sayılar için konjugasyon gerçekleştirirler.
Ayrıca, eşleme dizisi türündeki ONNX model çıktısının işlenmesi de eklendi. ONNX Runtime'ın işlevselliği ciddi şekilde geliştirildi.
Var, ancak işaretlerin (göstergelerin) sayısı artmakla birlikte hala çok hızlı değil.
Hatırlamıyorum ama algoritmanın karmaşıklığı kesinlikle O(N^2)'den daha az. Sanırım O(N*log)'dan daha yüksek değil. Bu yüzden işaretler büyüdüğünde gözle görülür yavaşlama pek net değil.
İki yönlü bir çubuk var: daha fazla özellik, daha az örnek - daha düşük istatistiksel anlamlılık.
Sanırım bazen değerlerin çok farklı olmaması için normalleştirilmesi gerekiyor.
Normalleşme olmadan bir karmaşa olabilir.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum
Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret
fxsaber, 2023.09.21 16:19
O zaman göstergeleri bazı birleşik papağanlara getirmek gerekir. Gösterge farklı aralıklarda artış olsa bile, aksi halde garip bir korelasyon ortaya çıkacaktır.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum
Ticarette Makine Öğrenimi: Teori, Modeller, Uygulama ve Algoritma Ticareti
Maxim Dmitrievsky, 2023.09.21 15:59
test cihazından alınan bu örnek 9 uzunluğundaydı (farklı periyotların artışları)
normalleştirme olmadan korelasyonun ne gösterdiği hiç de açık değildir. Peki ya. atlanan bu mantıklı görünen adım iyi bir sonuca götürür.....
Hatırlamıyorum ama algoritmanın karmaşıklığı kesinlikle O(N^2)'den daha az. Sanırım O(N*log)'dan daha yüksek değil. Bu yüzden işaretler büyüdüğünde gözle görülür yavaşlama pek net değil.
İki yönlü bir çubuk vardır: daha fazla özellik, daha az örnek - daha düşük istatistiksel anlamlılık.
Aynı zamanda tüm olası çiftleri tek seferde sayıyorum. Hala denemek istediğim çok fazla girdi verisi var. Sorun değil. Sadece STUMPY'de yaklaşık olarak sayma ve daha sonra iyileştirme fırsatı var. Fark edilebilir bir hızlanma, artı paralelleme ve GPU'da elde edersiniz. Muhtemelen tamamen bu pakete geçeceğim.
Normalleştirme olmadan mantarın çıkabileceği yer burasıdır.
Bunun gibi standart olmayan getiriler söz konusuysa, .normalleştirme olmadan korelasyonun ne gösterdiği açık değildir. Peki ya. bu atlanmış, görünüşte mantıklı adım.... iyi bir sonuca götürürse
Daha sonra analiz edeceğim, henüz yorum yapmaya hazır değilim, bu hesaplamayı daha dün yazdım.
Daha sonra analiz edeceğim, henüz yorum yapmaya hazır değilim, bu geri sayımı dün yazdım
Korelasyonun abs değeri açısından en büyük sayılardan etkileneceğini düşünüyorum. Örneğin, 10000 ve 10100'lük bir hacim değişikliği ve bunların arka planında 0,00040 ve 0,00400'lük bir fiyat değişikliği mikroskobik olarak küçük olacaktır ve tüm setin korelasyonu üzerinde çok az etkisi olacaktır. Bu hipotezi test etmek için bir normalleştirme yapardım.