Kanalları nasıl hazırlayacağınızı biliyor musunuz? - sayfa 3

Yeni yorum
 

doğrusal olmayan regresyon, makine öğrenme modellerini ifade eder, modellerin ana sorunu aşırı uyumdur, yani. yukarıda yazıldığı gibi, grafiğin mevcut parçasına yeniden yerleştirme. Bu model sürekli olarak yeni verilere göre ayarlanmaktadır, bu nedenle belirli alanlarda etkinliği sıfır olma eğilimindedir. Bunun olmasını önlemek için çapraz doğrulama ve numune dışı test kullanmanız gerekir. Konuyu az ya da çok çalışmış olan herkes için, test cihazında çalışma olmasa bile, bu kanalın gerçek veriler üzerinde çalışmadığı hemen açıktır.

 
Maxim Dmitrievsky :

doğrusal olmayan regresyon , makine öğrenimi modellerini ifade eder, modellerin ana sorunu aşırı uyumdur, yani . Yukarıda yazıldığı gibi , grafiğin mevcut parçasına yeniden yerleştirme . Bu model sürekli olarak yeni verilere göre ayarlanmaktadır, bu nedenle belirli alanlarda etkinliği sıfır olma eğilimindedir. Bunun olmasını önlemek için çapraz doğrulama ve numune dışı test kullanmanız gerekir. Konuyu az ya da çok çalışmış olan herkes için, test cihazında çalışma olmasa bile, bu kanalın gerçek veriler üzerinde çalışmadığı hemen açıktır.


N. dereceden polinomların fark denklemleri bu eksiklikten yoksundur. Er ya da geç bu denklemlerdeki kanalı da kontrol edeceğim.

 
Aleksey Panfilov :

N. dereceden polinomların fark denklemleri bu eksiklikten yoksundur. Er ya da geç bu denklemlerdeki kanalı da kontrol edeceğim.


ne olduğunu? ) fark denklemleri ve neden yoksun bırakılıyor?

 
Maxim Dmitrievsky :

ne olduğunu? ) fark denklemleri ve neden yoksun bırakılıyor?

Kesinlikle değilse, o zaman:

Klasik EMA'nın formülünü alırsanız, bu birinci dereceden bir fark denklemidir, ancak ikinci dereceden - belirli sıra, bir cetvel gibi bir sonrakinin inşa edildiği nokta sayısı ile belirlenir veya bir model) düz çizgi, Arşimet kolunun tam bir analogu. İnterpolasyon. Önceden hesaplanan noktaya ve son fiyat değerine göre, hesaplanan noktaya bitişik bir nokta oluşturulur ve artık yeniden çizilmez.

İkinci dereceden bir polinom için, önceden hesaplanmış iki nokta ve son fiyatla (açılış noktasını veya sondan bir önceki çubuğun medyanını alıyorum), ilk ikisine bitişik bir nokta inşa edilir ve ayrıca yeniden çizilmez. Vb. Formülü ters çevirirseniz, ikinci dereceden bir polinom temelinde hesaplanmış üç komşu nokta kullanarak, ilk üçten belirli bir mesafe ile dördüncü bir tane oluşturabilirsiniz. Ve bu nokta da yeniden çizilmez.

Gerekirse, inşaat çizgilerinin görünürlük modunu açabilirsiniz (bu, döngüdeki herhangi birine kadar tüm komşu noktaların hesaplanmasıdır), bu inşaat çizgileri zaten her yeni fiyattan yeniden çizilecektir.

Formül örneği. 

      a1_Buffer[i]=((open[i] - Znach)    + 5061600 *a1_Buffer[i+ 1 ]- 7489800    *a1_Buffer[i+ 2 ]+ 4926624 *a1_Buffer[i+ 3 ]- 1215450 *a1_Buffer[i+ 4 ])/ 1282975 ;

      a2_Buffer[i]=   3160 *a1_Buffer[i]   - 6240    *a1_Buffer[i+ 1 ]    +   3081 *a1_Buffer[i+ 2 ];

      a3_Buffer[i]=((open[i] - Znach)    + 5061600 *a3_Buffer[i+ 1 ]- 7489800     *a3_Buffer[i+ 2 ]+ 4926624 *a3_Buffer[i+ 3 ]- 1215450 *a3_Buffer[i+ 4 ])/ 1282975 ;

      a4_Buffer[i]=   2701 *a3_Buffer[i]   - 5328    *a3_Buffer[i+ 1 ]    +   2628 *a3_Buffer[i+ 2 ];

Bölme formülleri (birinci ve üçüncü) enterpolasyondur (aralık içinde bir nokta bulma).

Bölme içermeyen formüller ekstrapolasyondur (orijinal aralığın dışında bir nokta bulma).

 
Aleksey Panfilov :
Kesinlikle değilse, o zaman:

Klasik EMA'nın formülünü alırsanız, bu birinci dereceden bir fark denklemidir, ancak ikinci dereceden - belirli sıra, bir cetvel gibi bir sonrakinin inşa edildiği nokta sayısı ile belirlenir veya bir model) düz çizgi, Arşimet kolunun tam bir analogu. İnterpolasyon. Önceden hesaplanan noktaya ve son fiyat değerine göre, hesaplanan noktaya bitişik bir nokta oluşturulur ve artık yeniden çizilmez.

İkinci dereceden bir polinom için, önceden hesaplanmış iki nokta ve son fiyatla (açılış noktasını veya sondan bir önceki çubuğun medyanını alıyorum), ilk ikisine bitişik bir nokta inşa edilir ve ayrıca yeniden çizilmez. Vb. Formülü ters çevirirseniz, ikinci dereceden bir polinom temelinde hesaplanmış üç komşu nokta kullanarak, ilk üçten belirli bir mesafe ile dördüncü bir tane oluşturabilirsiniz. Ve bu nokta da yeniden çizilmez.

Gerekirse, inşaat çizgisi görünürlük modunu açabilirsiniz, bu inşaat çizgileri zaten her yeni fiyattan yeniden çizilecektir.

Formül örneği.

Bölme formülleri (birinci ve üçüncü) enterpolasyondur (aralık içinde bir nokta bulma).

Bölme içermeyen formüller ekstrapolasyondur (orijinal aralığın dışında bir nokta bulma).


merak ediyorum, ancak bunun neden durağan olmayan bir piyasayı yeterince tahmin etmesi gerektiğini tam olarak anlamıyorum, örneğin ..

Şu anda bu şeyleri okuyorum http://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/

 
Maxim Dmitrievsky :

merak ediyorum, ancak bunun neden durağan olmayan bir piyasayı yeterince tahmin etmesi gerektiğini tam olarak anlamıyorum, örneğin ..

Şu anda bu şeyleri okuyorum http://blog.datadive.net/selecting-good-features-part-iv-stability-selection-rfe-and-everything-side-by-side/


Bu denklemler, işlemleri tahmin etmeyi vaat etmez, yalnızca tüm geçmişe dayalı olarak verilen polinomların veya sinüzoidlerin eğrilerini oluştururlar.

Aslında, tıpkı regresyon gibi, işlemleri tahmin etmeyi vaat etmiyor. :)

 
Aleksey Panfilov :

Bu denklemler, işlemleri tahmin etmeyi vaat etmez, yalnızca tüm geçmişe dayalı olarak verilen polinomların veya sinüzoidlerin eğrilerini oluştururlar.

Aslında, tıpkı regresyon gibi, işlemleri tahmin etmeyi vaat etmiyor. :)


şimdi ana fikrim, en bilgilendirici (şu anda) özelliklerin belirli bir veriyle rastgele ormanlar aracılığıyla otomatik olarak seçilmesidir. aralık ve otomatik yeniden eğitim .. çünkü tüm geçmişi alırsanız, o zaman model çok kaba olur, biraz alırsanız, o zaman her zaman yeniden eğitilir .. ve özelliklerin kalitesini ve miktarını özellik önemi ile değiştirirseniz ve çapraz doğrulama yapın, ardından periyodik olarak gerekli kalıpları yakalama şansı vardır

ama bu öyle bir kanama ki, bu işe bulaştığıma uzun zamandır pişmanım ama geri dönüşü yok :)

 
Maxim Dmitrievsky :

şimdi ana fikrim, en bilgilendirici (şu anda) özelliklerin belirli bir veriyle rastgele ormanlar aracılığıyla otomatik olarak seçilmesidir. aralık ve otomatik yeniden eğitim .. çünkü tüm geçmişi alırsanız, o zaman model çok kaba olur, biraz alırsanız, o zaman her zaman yeniden eğitilir .. ve özelliklerin kalitesini ve miktarını özellikönemi ile değiştirirseniz ve çapraz doğrulama yapın, ardından periyodik olarak gerekli kalıpları yakalama şansı vardır

ama bu öyle bir kanama ki, bu işe bulaştığıma uzun zamandır pişmanım ama geri dönüşü yok :)


Burada zaten sinir ağına tırmandık, ancak oradaki kanalları görmeyeceksiniz. :) Her ne kadar kodda olabilseler de.

Ancak atalet veya sinüzoidal bir çizgi dikkate alınarak oluşturulmuş bir hatta görsel bir kanal eklemek mümkündür. )

 
Aleksey Panfilov :

Burada zaten sinir ağına tırmandık, ancak oradaki kanalları görmeyeceksiniz. :) Her ne kadar kodda olabilseler de.

Ancak atalet veya sinüzoidal bir çizgi dikkate alınarak oluşturulmuş bir hatta görsel bir kanal eklemek mümkündür. )


peki neden ama ns çıkışlarındaki değerlere göre eğriler oluşturmak için ve kanal açabilirsiniz..ama kanallarda pek nokta göremiyorum çünkü TS için farklı türdeki sinyallerin çoğu atlanır ve ortalamaya geri dönmek için yalnızca bir strateji elde edilir

 
Maxim Dmitrievsky :

peki neden ama ns çıkışlarındaki değerlere göre eğriler oluşturmak için ve kanal açabilirsiniz..ama kanallarda pek nokta göremiyorum çünkü TS için farklı türdeki sinyallerin çoğu atlanır ve ortalamaya geri dönmek için yalnızca bir strateji elde edilir


Selamlar, Maksim! Aynen öyle oluyor.

12345678910...12
Yeni yorum