Stanford Üniversitesi'nden ücretsiz dersler - sayfa 8
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
Adın Viktor Mihayloviç olabilir mi?
Profilde.
Bir zamanlar TA öğretmiştim. MESI'de ekonometri ve matematiksel istatistikler bence üç bölümde öğretiliyor, ben öğretmedim. Karlı matematiksel yöntemler benim için bilinmiyor. Becerikli ellerde kazanç getirebilecek matematiksel yöntemler bana birçok kez bilinmektedir. Başlıklarla, kitap listeleriyle. Batch mate.... Google'a girmek veya profilimi görmek istemiyorsanız EViews veya R alın. Ancak bunların hepsi bir gösterge listesi gibi bir araçtır.
Benim bir kasem yok. TA ve matematiksel istatistikleri kullanma konusunda kişisel becerim var. Bu beceriyi kimseye öğretmeyeceğim.
Sanırım kapsamlı bir şekilde cevap verdim.
Profilde.
Bir zamanlar TA öğretmiştim. MESI'de ekonometri ve matematiksel istatistikler bence üç bölümde öğretiliyor, ben öğretmedim. Karlı matematiksel yöntemler benim için bilinmiyor. Becerikli ellerde kazanç getirebilecek matematiksel yöntemler bana birçok kez bilinmektedir. Başlıklarla, kitap listeleriyle. Batch mate.... Google'a girmek veya profilimi görmek istemiyorsanız EViews veya R alın. Ama bunların hepsi bir gösterge listesi gibi bir araçtır.
Benim bir kasem yok. TA ve matematiksel istatistikleri kullanma konusunda kişisel becerim var. Bu beceriyi kimseye öğretmeyeceğim.
Sanırım kapsamlı bir şekilde cevap verdim.
Önce "TA - bu Pinokyo için, önemli bir bakışla depoyu boşaltsınlar" deyin. Ve şimdi "TA ve matematiksel istatistik kullanma konusunda kişisel becerim var. Bu beceriyi kimseye öğretmeyeceğim."
TAMAM. Neden kelimelerle uğraşıyorsun. İşte sinir ağları hakkında kişisel görüşüm. 2006'da onları incelemeye başladım, onları piyasaya uygulamaya çalıştım. Ve 6 yıl boyunca ağların kendilerinin girdi verilerinin hazırlanması kadar önemli olmadığı sonucuna vardım. Ayrıca, boyutlarını küçültmek ve zaman ekseni ve fiyat boyunca bozulmalara değişmezlik getirmek için girdi verileri aynı TA tarafından dönüştürülmelidir. Ayrıca, ağdan ne istediğimizi, hangi girdi ve çıktı sistemini uygulaması gerektiğini önceden bilmeliyiz. Örneğin, ağın destek/direnç seviyelerindeki geri tepmeler/kırılmalar üzerinden işlem yapmasını istiyorsak, girdi verileri buna göre sunulmalıdır. Ancak daha sonra eğitilmesi ve bizim yerimize karar vermesi için ağ için gerekli girdi bilgilerini topladıktan sonra, nasıl girip çıkacağımızı zaten bildiğimiz için ağın kendisine olan ihtiyaç ortadan kalkar. Ağın kendisinin bunları dönüştüreceğini ve nasıl kullanılacağını bulacağını umarak fiyatları ağ girdilerine sıkıştırma girişimi, feci bir sonuca yol açar.
O zaman şu soru ortaya çıkıyor: ağlara hiç ihtiyaç var mı ve onları incelemeye değer mi? Herkesin kendi cevabı vardır. Örneğin ağları eğitmek için zamanımı boşa harcadığımı düşünmüyorum. İşime yaradılar. Ayrıca beynimiz aynı sinir ağıdır. Dolayısıyla ticarette faydasını inkar etmek, beynin faydasını inkar etmekle aynı şeydir. Buradaki sorun beynimizin nasıl aynı fiyat aralığını aldığını, önemli noktalara nasıl odaklandığını, ayrıntılardan soyutlayarak nasıl karar verdiğini hala anlamamış olmamızdır. Bu davranışı bir ders kitabından basit bir sinir ağı ile modelleyemezsiniz. Böyle bir davranışı simüle edebilseydik bile, böyle bir "biyolojik" ağın öğrenme ve çalışma hızı beynimizden çok daha yavaş olurdu ve ticaret için geçerli olmazdı.
Önce "TA - bu Pinokyo için, önemli bir bakışla depoyu boşaltsınlar" deyin. Ve şimdi "TA ve matematiksel istatistik kullanma konusunda kişisel becerim var. Bu beceriyi kimseye öğretmeyeceğim."
.....Kar getiren matematiksel yöntemler benim için bilinmiyor. Becerikli ellerde kazanç getirebilecek matematiksel yöntemler benim için bilinir, çoğu kez ......
Buradaki sorun beynimizin nasıl aynı fiyat aralığını aldığını, önemli noktalara nasıl odaklandığını, ayrıntılardan soyutlayarak nasıl karar verdiğini hala anlamamış olmamızdır.
bunun gibi bir şey...
hipotez oluşumu
Arama ve veri toplama
Veri hazırlama (filtreleme, dönüşümler)
Model seçimi, model parametrelerinin seçimi ve öğrenme algoritması
Model eğitimi (diğer model parametreleri için otomatik arama)
Eğitim kalitesinin analizi
Tanımlanan kalıpların analizi
tüm bunlara Veri Madenciliği denir...
z.net bu makinede bir tane (kullanılıyorsa) ... doğru hazırlanmış veriler pahasına kesinlikle katılıyorum .. veriler normalse, o zaman basit bir lineer regresyon yeterlidir ... işte çabalamanız gereken şey bu için ...
Önce "TA - bu Pinokyo için, önemli bir bakışla depoyu boşaltsınlar" deyin. Ve şimdi "TA ve matematiksel istatistik kullanma konusunda kişisel becerim var. Bu beceriyi kimseye öğretmeyeceğim."
TAMAM. Neden kelimelerle uğraşıyorsun. İşte sinir ağları hakkında kişisel görüşüm. 2006'da onları incelemeye başladım, onları piyasaya uygulamaya çalıştım. Ve 6 yıl boyunca ağların kendilerinin girdi verilerinin hazırlanması kadar önemli olmadığı sonucuna vardım. Ayrıca, boyutlarını küçültmek ve zaman ekseni ve fiyat boyunca bozulmalara değişmezlik getirmek için girdi verileri aynı TA tarafından dönüştürülmelidir. Ayrıca, ağdan ne istediğimizi, hangi girdi ve çıktı sistemini uygulaması gerektiğini önceden bilmeliyiz. Örneğin, ağın destek/direnç seviyelerindeki geri tepmeler/kırılmalar üzerinden işlem yapmasını istiyorsak, girdi verileri buna göre sunulmalıdır. Ancak daha sonra eğitilmesi ve bizim yerimize karar vermesi için ağ için gerekli girdi bilgilerini topladıktan sonra, nasıl girip çıkacağımızı zaten bildiğimiz için ağın kendisine olan ihtiyaç ortadan kalkar. Ağın kendisinin bunları dönüştüreceğini ve nasıl kullanılacağını bulacağını umarak fiyatları ağ girdilerine sıkıştırma girişimi, feci bir sonuca yol açar.
O zaman şu soru ortaya çıkıyor: ağlara hiç ihtiyaç var mı ve onları incelemeye değer mi? Herkesin kendi cevabı vardır. Örneğin ağları eğitmek için zamanımı boşa harcadığımı düşünmüyorum. İşime yaradılar. Ayrıca beynimiz aynı sinir ağıdır. Dolayısıyla ticarette faydasını inkar etmek, beynin faydasını inkar etmekle aynı şeydir. Buradaki sorun beynimizin nasıl aynı fiyat aralığını aldığını, önemli noktalara nasıl odaklandığını, ayrıntılardan soyutlayarak nasıl karar verdiğini hala anlamamış olmamızdır. Bu davranışı bir ders kitabından basit bir sinir ağı ile modelleyemezsiniz. Böyle bir davranışı simüle edebilseydik bile, böyle bir "biyolojik" ağın öğrenme ve çalışma hızı beynimizden çok daha yavaş olurdu ve ticaret için geçerli olmazdı.
Ağlarda sadece kitap bilgisi.
Ekonometride sınıflandırma araçlarından biri olarak TS kullanılmaktadır. Ancak normal bir ekonometrik model oluşturmak için sınıflandırma yeterli değildir; NN, modelin en önemli parçası değil, bir parçası olabilir. Modelleme, değerlendirme yöntemlerinin incelenmesi ve geliştirilmesiyle başlar. Değerlendirme yöntemleri olmadan alıntıyı analiz etmek imkansızdır, analiz sonuçları üzerine kurduğumuz modeli değerlendirmek imkansızdır, model uygulama sonuçlarını değerlendirmek imkansızdır. Yukarıdakilerin hiçbirinin NS ile ilgisi yoktur.
Yazınız kafa karışıklığımı doğruluyor. Hala ticarette kullanılabilecek NN adlı çok karmaşık bir fikir bulmayı başardınız. Ama nedense regresyon denen çok daha basit bir kavramı öğrenmek için bir dakika bile harcamadılar. Ve regresyonların anlaşılması ve bunları kullanma yeteneği, özellikle göstergelere ve genel olarak TA'ya karşı tutumunuzu kökten değiştirecektir. Ve forumda "Mucizeler alanında Pinokyo için TA" iddiasında bulunan başka bir kişi ortaya çıkacaktı.
bunun gibi bir şey...
hipotez oluşumu
Arama ve veri toplama
Veri hazırlama (filtreleme, dönüşümler)
Model seçimi, model parametrelerinin seçimi ve öğrenme algoritması
Model eğitimi (diğer model parametreleri için otomatik arama)
Eğitim kalitesinin analizi
Tanımlanan kalıpların analizi
tüm bunlara Veri Madenciliği denir...
z.net bu makinede bir tane (kullanılıyorsa) ... doğru hazırlanmış veriler pahasına kesinlikle katılıyorum .. veriler normalse, o zaman basit bir lineer regresyon yeterlidir ... işte çabalamanız gereken şey bu için ...
Modeli oluşturma adımlarını bildiğimizi kabul ediyorum. Bu adımları içeren bir sinir ağının nasıl oluşturulacağı henüz bilinmiyor. Belki uzak bir gelecekte böyle sinir ağlarının nasıl oluşturulacağını öğreneceğiz. Bu arada, bir sinir ağı (geliştiricinin beyni) veri işleme, örüntüleri belirleme, bir model seçme ve bu modeli optimize etme gibi tüm önemli hazırlık çalışmalarını yapar ve diğer ağ (programda) sadece aşağıdakilere dayalı hesaplamaları yapar. Sağlanan veriler ve geliştirici tarafından kendisine verilen yapı. Bu ikinci ağda kendi kendini optimize eden ağırlıkların eklenmesi onu daha akıllı yapmaz, sadece modelleme hatasını azaltır.
Modeli oluşturma adımlarının bizim tarafımızdan bilindiğini kabul ediyorum. Bu adımları içeren bir sinir ağının nasıl oluşturulacağı henüz bilinmiyor. Belki uzak bir gelecekte böyle sinir ağlarının nasıl oluşturulacağını öğreneceğiz. Bu arada, bir sinir ağı (geliştiricinin beyni) veri işleme, örüntüleri belirleme, bir model seçme ve bu modeli optimize etme gibi tüm önemli hazırlık çalışmalarını yapar ve diğer ağ (programda) sadece aşağıdakilere dayalı hesaplamaları yapar. Sağlanan veriler ve geliştirici tarafından kendisine verilen yapı. Bu ikinci ağda kendi kendini optimize eden ağırlıkların eklenmesi onu daha akıllı yapmaz, sadece modelleme hatasını azaltır.
böyle bir yapı yapabilirsiniz ... hazır stat paketlerinde veya birkaç ... komut dosyaları ve makrolarla her şeye eşlik edin (yani tamamen otomatikleştirin)
seçeneklerden biri -
Hipotez oluşumu - herhangi bir çizim türkiye alır ve ağı veya ha veya pr'yi maksimum karlılık için eğitiriz
- maksimum dox veya boole (sinyaller şeklinde) verecek VR elde ederiz ... gelecekte, sadece amaç fonksiyonunu kullanabilirsiniz
maksimum karlılık için, vb. ızgara veya pr kendi kendine yazılmış ve normal ise ...
Arama ve veri toplama - olan her şeyi otomatik olarak indiririz ...
Veri hazırlama (filtreleme, dönüşümler) - sınıflandırma, kümeleme, faktör analizi, girdi beyazlatma
kısmen ağ da yapabilirsin... hazır algoritmalarla idare edebilirsin...
(Bu en önemli bölümdür ve zor dönüşümler sonucu büyük ölçüde iyileştirebilir)
Model seçimi, model parametrelerinin seçimi ve öğrenme algoritması - birkaç model 1 öğrenme hatası için kontrol edilir ve mevcut veriler için en iyisi seçilir (stat paketlerinde bu tür hazır modüller de vardır)...
Ortaya çıkan modellerin analizi - burada onu ağa yönlendirebilir ve hemen % veya pr cinsinden ağırlıklara göre bakabilirsiniz.
Muhtemelen böyle bir tasarımı zeka iddiasına bağlardım - çünkü hedef en baştan aynı model tarafından seçildiğinden ve ham veriden son kesime kadar her şey otomatik olduğundan ...
Genel olarak, elbette, tüm bunlar çok zaman alıcı ve verimsizdir ... ve pratikte en ilginç olan, normal (kurnaz) hindileri (a) maksimum karlılık veya ekonometrik sorunlar için TA'yı optimize etmekten çok farklı olmayacaktır (normal bir verilerde öngörücü yanıp söner)) ) çünkü VR'nin tüm özellikleri her durumda modele nüfuz edecek ve hatırlanacak ... gelecekteki tüm sızıntılarla ...
Şimdilik, Sanych bir e-cetvel ile ortalıkta dolaşacak ve ekonometrinin Sonsuza Kadar olduğunu söyleyecek ... Bir süredir devam eden VR dinamiklerini yakalamak ve durağanlığa tükürmek )))...