Sinir ağının girdilerini beslemek için bir dizi gösterge arayın. Tartışma. Sonuç değerlendirme aracı. - sayfa 9
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
Fiyat aralığının kıvrımları için pek değilim. Halihazırda bir dizi gösterge (yani dönüştürülmüş bir dizi fiyat) vardır, bu nedenle bu setin boyutunun azaltılması gerekir.
Bu amaçlar için soma organizasyon haritalarının olanaklarını da göz önünde bulundurmanızı tavsiye ederim. Boyutu onların yardımıyla azaltmak daha iyidir. Ayrıca bir dizi durum tahsis edecekler. Bağımsız bileşenlerin analizi gibi bir analiz çeşidi de vardır. O çok daha umut verici, ama yine de tam olarak vermiyorum. Bağımsız bileşen analiziyle ilgileniyorsanız, lütfen bana bildirin.İşte optimizasyon üzerine birkaç kitap. Yeni indirdim, hala sıcak.
........ eklenemiyor. http://torrents.ru'dan aldım
Yönü biraz açıklar mısınız?Yönü biraz açıklar mısınız?
"Optimizasyon" talebi üzerine:
http://torrents.ru/forum/viewtopic.php?t=1591908e
http://torrents.ru/forum/viewtopic.php?t=2139370e
http://torrents.ru/forum/viewtopic.php?t=1327023e
http://torrents.ru/forum/viewtopic.php?t=711214e
http://torrents.ru/forum/viewtopic.php?t=2346898e
http://torrents.ru/forum/viewtopic.php?t=2123107e
teşekkürler joo . Entrikacı benim masa kitabımdı. :) Malzemeyi inceleyeceğimiz anlamda bir bakalım.
Girdi veri korelasyonundan nasıl kurtulurum sorusu üzerine bir matematikçi arkadaşımın bana yazdığı şey:
"Ana bileşen yöntemi olduğu gibi görünüyor. Burada öz az çok net bir şekilde açıklanıyor: http://www.statsoft.ru/home/ ders kitabı/modules/stfacan.html . Nasıl olduğunu bilmiyorum sizin durumunuzda etkilidir. Ancak doğrusal korelasyon iyi ortadan kaldırılmalıdır. "
Bunu halledeceğim.
PCA, veri dönüştürme ve boyutsallık azaltmadır, yani. veri dönüşümünden sonra en iyi yeni girdi verisini (krite göre) buluyoruz.
İlk verilerden ilişkili olmayan verileri seçmeniz gerekiyorsa, çok değişkenli regresyon kuralları. Örneğin, bir dizi gösterge varsa, istatistikleri dikkatlice sıralayabilirsiniz. çok değişkenli regresyon programları ve doğru gösterge setini bulun.
Bu amaçlar için soma organizasyon haritalarının olanaklarını da göz önünde bulundurmanızı tavsiye ederim. Boyutu onların yardımıyla azaltmak daha iyidir. Ayrıca bir dizi durum tahsis edecekler. Bağımsız bileşenlerin analizi gibi bir analiz çeşidi de vardır. O çok daha umut verici, ama yine de tam olarak vermiyorum. Bağımsız bileşen analiziyle ilgileniyorsanız, lütfen bana bildirin.
PCA'nın başarısız olması durumunda kendi kendine organizasyon haritalarını dikkate alacağım.
Bağımsız bileşenlerin analizini duydum, ancak ne olduğunu ayrıntılı olarak anlamadım.
Şimdi matris kitaplığımı temel alarak PCA'yı uygulamayı planlıyorum.
Hesap Excel'de yapıldı.
Teneke :)
Hesap Excel'de yapıldı.
Teneke :)
Üstelik... MQL5'te güç hesaplamalarını kafamda programlamaya başladığımı düşünürken buluyorum kendimi... :)
Bu, muhtemelen yanlış kullandığı veya hazırladığı anlamına gelir.
Ben kendim görüntü sıkıştırma ile çalıştım. Sıkıştırma derecesine (temel bileşenlerin sayısı) ve girdilerin bilgi içeriğine bağlı olarak bazen hata sıfırdır, bazen değildir.
Basit örneklerle deneyin.
Çekiciler üzerinde harika çalışıyor :) Resimlerde denemedim. Bence soru dizinin yapısında. Ön işleme koymadım.
iliarr'a katılıyorum. uyum sağlamak