文章 "在算法交易中 KOHONEN 神经网络的实际应用 第二部分优化和预测" - 页 3 1234 新评论 Stanislav Korotky 2019.02.04 12:52 #21 fxsaber:本文在分析不同地图时，使用了两个地图中具有匹配坐标（X；Y）的单元格对应于相同的 TC 输入参数集这一属性。这一规则是如何形成的？如果对地图进行比较，则每个地图都是相应神经元第 i 个权重系数的切片（X;Y 坐标相同的一对是同一个神经元）。每个神经元收集相似（但不一定完全相同）的向量，即我们这里的 TC 设置。科霍宁算法本身保证了这种泛化。 Igor Makanu 2019.06.11 20:36 #22 我对 自组织地图感兴趣已经有很长一段时间了，我抽空阅读了《Toivo Kohonen：自组织地图》一书的主要资料。 这篇文章当然信息量很大，但不知为什么，我觉得作者是一厢情愿。 科霍宁是这么说的： 即 SOM 所能产生的只是基于输入特征的可视化效果，而不是预测效果。 Stanislav Korotky 2019.06.11 22:10 #23 Igor Makanu:我对 自组织地图的兴趣由来已久，我抽出时间正在阅读原始资料书籍《Toivo Kohonen：自组织地图》。这篇文章当然信息量很大，但不知为什么，我觉得作者是一厢情愿。科霍宁就是这么写的：即 SOM 所能产生的只是输入特征的可视化，而不是预测。Kohonen 地图可以通过类比重建不完整数据，即通过泛化来进行预测。这是一个现实问题，可以在谷歌上以 "Kohonen 地图时间序列预测 "为关键词进行大量搜索。上述引文证实了作者的观点，而不是对其进行反驳，看起来像是试图断章取义。在文章中，我们对数据进行了总结和聚类，这让我们更容易做出决策，并以首选状态（类别）来解释市场（工具）。从 SOM 到 LVQ 可能会有积极影响，但我没有这方面的材料。不过，作为无师自通的学习方法，SOM 在某些方面更适合市场的 "黑箱"，我是这么认为的。 Igor Makanu 2019.06.12 06:52 #24 Stanislav Korotky:上述引文证实了作者的观点，而不是对其进行反驳，有断章取义之嫌。你们可以自行决定如何理解我的说法 我非常喜欢将 SOM 用作解码器（电子产品）的想法：训练时，我们输入一组特征（根据我们的视觉有意义），输出是对它的视觉评估....。然后将训练好的 SOM 用于交易、 但 SOM 并不能作为分类器使用，在训练之后，它在新数据上给出的图像与在测试数据上给出的图像是不一样的。 Stanislav Korotky: 在这篇文章中，我们对数据进行归纳和聚类，从而简化我们的决策过程，并将市场（工具）解释为首选状态（类别）。是的，这正是 SOM 的作用--它可以简单地用于发现和分析原始数据中的模式。 但这一任务也没有 "正面 "的解决方案，对于 SOM 的训练，我们提交的数据是基于我们对存在规律性的无依据假设，并且不了解每个数据集的信息量，如果其中一个数据集包含过多信息，就会导致结果失真，举个最简单的例子--我们使用一组交易工具的 TF H1 上的一些迹象，但我们没有考虑到某些工具的交易时段 是一天的 1/3，而另一些则是一天 24 小时。 -------------------------------------- 互联网上有很多应用 SOM 的医学研究，对于这些研究来说，SOM 的应用是正确的--医 学家们根据自己的知识准备了他们想要聚类和可视化数据的数据集和特征。 从医学角度看，SOM 在交易中的应用是这样的： - 我们有鼻涕病人、阑尾炎病人和四肢骨折病人的统计数据。 - 我们应用 SOM 得出结论：如果病人来就诊时流鼻涕，那么病人很可能会四肢骨折，而阑尾炎在统计学上是不可能发生的。 - 我们得出结论：流鼻涕的病人更有可能在冬天打喷嚏，从而导致跌倒，造成四肢骨折。 从统计学的角度来看，这一切都合乎逻辑，甚至是顺理成章的，但在我看来，根据这项研究得出流鼻涕的病人将来会导致肢体骨折并采取预防措施的结论，并不是使用 SOM 的最佳方式。 Stanislav Korotky 2019.06.12 19:45 #25 Igor Makanu: 在我看来，这些类比都是凭空想象出来的。此外，按照 "钓饵 "的优良传统，批评是建立在并非来自文章的假设之上的。最好不要用虚无主义的风格（比如你不能 这样做 （具体是什么--还不清楚）），而是用建设性的方式来写--应该 怎么做，应该做 什么（注意，我们事先没有 "支持的假设"--如果有的话，网络可以不用，或者你可以和老师一起使用网络）。 Igor Makanu 2019.06.12 20:18 #26 Stanislav Korotky:批评是基于文章中没有的前提。您的文章是基于您对 "黑屋子里的黑猫，尤其是当它不在的时候 "的搜索。 Stanislav Korotky: 在我看来，这些类比都是凭空想象出来的。此外，按照 "钓饵 "的优良传统。我不认为在这个方向上继续讨论有什么意义，因为有 Kohonen 的书，其他资源上也有关于 SOM 的很好的介绍性文章（出于某种原因，我信任 basegroup.ru - 有趣的资料），而且 SOM 没有任何预测任务，还有你的文章，它像维基一样声称用 SOM 进行预测是可能的。 Stanislav Korotky 2019.06.12 20:39 #27 Igor Makanu:我不认为继续朝这个方向讨论有什么意义，Kohonen 的书已经出版了，其他资源上也有关于 SOM 的很好的介绍性文章（出于某种原因，我信任 basegroup.ru - 很有趣的资料），而且 SOM 没有预测任务，还有你的文章，它和 Wiki 一样，声称用 SOM 进行预测是可能的。我并不反对 basegroup，我认识他们很久了，但 "SOM 没有预测任务 "的说法是不正确的。 Igor Makanu 2019.06.12 20:59 #28 Stanislav Korotky:我并不反对 basegroup，我认识他们很久了，但 "SOM 没有预测任务 "的说法是不正确的。使用搜索，在谷歌中查询字符串为 "som forecasting site:basegroup.ru"。 搜索引擎会给出没有预测任务的 SOM 的描述。 搜索引擎会给出用户关于使用 SOM 的问题，但答案也会证明 SOM 还能执行其他任务。 SOM 可以简单地将多元数据 可视化，SOM 地图分析更多的是一种启发式任务，而不是形式化任务。 上面的截图是我在开始与您讨论时从"Toivo Kohonen: Self-Organising Maps " 一书中截取的，它也只建议了 SOM 的可视化任务。 但维基和您的文章都建议将 SOM 用于预测任务，这就有待我们去寻找真相了。 Stanislav Korotky 2019.06.14 13:05 #29 你的判断力和不会使用搜索引擎是显而易见的。我已经说出了我所有的论点。没有必要在讨论中乱丢垃圾。我会用你自己的话来回答： Igor Makanu:我认为继续朝这个方向讨论毫无意义 Igor Makanu 2019.06.14 13:12 #30 Stanislav Korotky:用你自己的话说同样，你对我帖子的回复是：Stanislav Korotky: 对你试图玩弄术语的回应。Stanislav Korotky: 此外，你还继承了 "钓饵 "的优良传统。 关于 basegroup.ru 上材料的质量，您和我已经达成了共识，或者您建议在维基上搜索，同样的 Habr，在Stack Overflow .... 上经常有很好的讨论。但它们并不总是可靠的来源 1234 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
本文在分析不同地图时，使用了两个地图中具有匹配坐标（X；Y）的单元格对应于相同的 TC 输入参数集这一属性。这一规则是如何形成的？
如果对地图进行比较，则每个地图都是相应神经元第 i 个权重系数的切片（X;Y 坐标相同的一对是同一个神经元）。每个神经元收集相似（但不一定完全相同）的向量，即我们这里的 TC 设置。科霍宁算法本身保证了这种泛化。
我对 自组织地图感兴趣已经有很长一段时间了，我抽空阅读了《Toivo Kohonen：自组织地图》一书的主要资料。
这篇文章当然信息量很大，但不知为什么，我觉得作者是一厢情愿。
科霍宁是这么说的：
即 SOM 所能产生的只是基于输入特征的可视化效果，而不是预测效果。
我对 自组织地图的兴趣由来已久，我抽出时间正在阅读原始资料书籍《Toivo Kohonen：自组织地图》。
这篇文章当然信息量很大，但不知为什么，我觉得作者是一厢情愿。
科霍宁就是这么写的：
即 SOM 所能产生的只是输入特征的可视化，而不是预测。
Kohonen 地图可以通过类比重建不完整数据，即通过泛化来进行预测。这是一个现实问题，可以在谷歌上以 "Kohonen 地图时间序列预测 "为关键词进行大量搜索。上述引文证实了作者的观点，而不是对其进行反驳，看起来像是试图断章取义。在文章中，我们对数据进行了总结和聚类，这让我们更容易做出决策，并以首选状态（类别）来解释市场（工具）。从 SOM 到 LVQ 可能会有积极影响，但我没有这方面的材料。不过，作为无师自通的学习方法，SOM 在某些方面更适合市场的 "黑箱"，我是这么认为的。
上述引文证实了作者的观点，而不是对其进行反驳，有断章取义之嫌。
你们可以自行决定如何理解我的说法
我非常喜欢将 SOM 用作解码器（电子产品）的想法：训练时，我们输入一组特征（根据我们的视觉有意义），输出是对它的视觉评估....。然后将训练好的 SOM 用于交易、
但 SOM 并不能作为分类器使用，在训练之后，它在新数据上给出的图像与在测试数据上给出的图像是不一样的。
在这篇文章中，我们对数据进行归纳和聚类，从而简化我们的决策过程，并将市场（工具）解释为首选状态（类别）。
是的，这正是 SOM 的作用--它可以简单地用于发现和分析原始数据中的模式。
但这一任务也没有 "正面 "的解决方案，对于 SOM 的训练，我们提交的数据是基于我们对存在规律性的无依据假设，并且不了解每个数据集的信息量，如果其中一个数据集包含过多信息，就会导致结果失真，举个最简单的例子--我们使用一组交易工具的 TF H1 上的一些迹象，但我们没有考虑到某些工具的交易时段 是一天的 1/3，而另一些则是一天 24 小时。
--------------------------------------
互联网上有很多应用 SOM 的医学研究，对于这些研究来说，SOM 的应用是正确的--医 学家们根据自己的知识准备了他们想要聚类和可视化数据的数据集和特征。
从医学角度看，SOM 在交易中的应用是这样的：
- 我们有鼻涕病人、阑尾炎病人和四肢骨折病人的统计数据。
- 我们应用 SOM 得出结论：如果病人来就诊时流鼻涕，那么病人很可能会四肢骨折，而阑尾炎在统计学上是不可能发生的。
- 我们得出结论：流鼻涕的病人更有可能在冬天打喷嚏，从而导致跌倒，造成四肢骨折。
从统计学的角度来看，这一切都合乎逻辑，甚至是顺理成章的，但在我看来，根据这项研究得出流鼻涕的病人将来会导致肢体骨折并采取预防措施的结论，并不是使用 SOM 的最佳方式。
在我看来，这些类比都是凭空想象出来的。此外，按照 "钓饵 "的优良传统，批评是建立在并非来自文章的假设之上的。最好不要用虚无主义的风格（比如你不能 这样做 （具体是什么--还不清楚）），而是用建设性的方式来写--应该 怎么做，应该做 什么（注意，我们事先没有 "支持的假设"--如果有的话，网络可以不用，或者你可以和老师一起使用网络）。
批评是基于文章中没有的前提。
您的文章是基于您对 "黑屋子里的黑猫，尤其是当它不在的时候 "的搜索。
在我看来，这些类比都是凭空想象出来的。此外，按照 "钓饵 "的优良传统。
我不认为在这个方向上继续讨论有什么意义，因为有 Kohonen 的书，其他资源上也有关于 SOM 的很好的介绍性文章（出于某种原因，我信任 basegroup.ru - 有趣的资料），而且 SOM 没有任何预测任务，还有你的文章，它像维基一样声称用 SOM 进行预测是可能的。
我不认为继续朝这个方向讨论有什么意义，Kohonen 的书已经出版了，其他资源上也有关于 SOM 的很好的介绍性文章（出于某种原因，我信任 basegroup.ru - 很有趣的资料），而且 SOM 没有预测任务，还有你的文章，它和 Wiki 一样，声称用 SOM 进行预测是可能的。
我并不反对 basegroup，我认识他们很久了，但 "SOM 没有预测任务 "的说法是不正确的。
我并不反对 basegroup，我认识他们很久了，但 "SOM 没有预测任务 "的说法是不正确的。
使用搜索，在谷歌中查询字符串为 "som forecasting site:basegroup.ru"。
搜索引擎会给出没有预测任务的 SOM 的描述。
搜索引擎会给出用户关于使用 SOM 的问题，但答案也会证明 SOM 还能执行其他任务。
SOM 可以简单地将多元数据 可视化，SOM 地图分析更多的是一种启发式任务，而不是形式化任务。
上面的截图是我在开始与您讨论时从"Toivo Kohonen: Self-Organising Maps " 一书中截取的，它也只建议了 SOM 的可视化任务。
但维基和您的文章都建议将 SOM 用于预测任务，这就有待我们去寻找真相了。
你的判断力和不会使用搜索引擎是显而易见的。我已经说出了我所有的论点。没有必要在讨论中乱丢垃圾。我会用你自己的话来回答：
我认为继续朝这个方向讨论毫无意义
用你自己的话说
同样，你对我帖子的回复是：
对你试图玩弄术语的回应。
此外，你还继承了 "钓饵 "的优良传统。
关于 basegroup.ru 上材料的质量，您和我已经达成了共识，或者您建议在维基上搜索，同样的 Habr，在Stack Overflow .... 上经常有很好的讨论。但它们并不总是可靠的来源