交易中的机器学习：理论、模型、实践和算法交易 - 页 131 1...124125126127128129130131132133134135136137138...3399 新评论 Yury Reshetov 2016.09.03 07:30 #1301 jPrediction三元分类器的第10版已经发布新版本中实现了交叉验证。 由于交叉验证，与第9版相比，OOS上的泛化能力有了明显的提高，特别是在非平稳数据上。同时，根据对样本不同部分的测试结果的概括能力，作为第9版和第10版中模型的特点，几乎没有变化。由于这些变化没有影响到用户界面，对第9版用户的说明 仍然有效。在说明 中可以找到下载jPrediction的新版本以及其源代码的链接。 mytarmailS 2016.09.03 07:35 #1302 Awl作家。 1）它只是通过绝对值来比较两个时间序列，即需要在纵轴上进行预归一化的移动和缩放，这在很大程度上取决于具体的实施。 2) 例如，这里https://www.mql5.com/ru/code/10755，取2个固定长度的片段进行比较 3）并没有考虑到其中一个可能较长，另一个可能较短的情况。4），而且计算量可以大大减少，等等。我们可以通过DTW特定的参数来谈论聚类--不仅可以计算两个片段的 "相似度"，还可以计算水平尺度的比例。1) 那么，在用DTW算法对两个系列进行相似性比较之前，当然只能用通常的方式进行归一化......那些取代绝对价格值的范围，例如从0到1，你说的移位和比例 的正常化是什么意思？ 请解释一下。2）谢谢你的链接，说起来我真的很震惊，我和作者的想法完全一样，我做了完全一样的研究，我经历了完全一样的进化路径，从普通的相关到DTW，这让我起鸡皮疙瘩......我们在做同样的事情，思考同样的事情，只是在不同的时间、不同的地点，叮叮当当......。3）是的，没有考虑到，虽然考虑是正确的，但我猜想为什么作者没有实施它，事实是，如果你开始深入思考的类型："但如何实现它"，然后出来了很多的问题，没有答案......因为它不仅仅是用DTW在固定长度的 片段上搜索相似性，就像我在聚类中做的那样，或者本文作者的算法，它要复杂得多......以下是出现的几个问题1.如果我们不仅要在历史上走一遍，寻找相似性，还要动态地扩大/缩小当前图案和我们要比较的历史图案，那么如何比较当前价格图案与历史图案的相似性？2.如何在扣减功率不足的情况下挣扎 个人对于DTW来说，即使在固定长度的两段上，我也没有足够的功率，而在变体（1.）的情况下，负荷增加了数千倍而不夸张....。4）如何？ Awl Writer 2016.09.04 06:57 #1303 mytarmailS:1.你可以把系列的值带到[0;1]的范围内，但最好是通过从每个元素中减去平均值（MA），然后用每个元素除以标准差来消除常数成分。浏览器这种寄生虫，破坏了一些文字。3-4.如果你研究一下算法的本质，即矩阵是如何填写的，很多东西就会变得清晰。我们比较两个长度相同的片段，它们有固定的开始和结束。我们可以固定开头，使结尾浮动，并在算法中引入从0.5到2的比例因子限制--你将得到有约束的DTW。结果将不是一个而是两个数字，这将为我们提供一个额外的预测器。如何减少计算量--找到 "奇异点"（极值），把它们拉到一起，从而抛出一大部分矩阵区域，更多细节 见链接。另见维基百科动态时间扭曲，参考文献部分。 Alexey Burnakov 2016.09.04 12:30 #1304 阿列克谢-伯纳科夫。先生们，我的一个新任务。这里有一个.R格式的数据集：https://drive.google.com/open?id=0B_Au3ANgcG7CcjZVRU9fbUZyUkE这组数据中大约有40,000行，101列。最右边一栏是目标变量。左手边是100个输入。我建议你尝试建立一个回归模型，根据剩下的100列，在前20000个观测值的基础上预测第101列的值。在剩下的20,000多个观测值上，构建的模型应该显示出 至少0.5的R^2。然后我揭示了数据的生成方式，并给出了我的解决方案。线索是时间序列数据。输入是100个样本，提前预测1个。它不是价格或报价或其衍生品。阿列克谢谁试过？我和我的同事想训练一个卷积NS。有一些绘图正在进行中。我们希望。这是一种非常规的应用方法。另一方面，我们只需提出一个一维的 "图片 "作为输入，我们就可以把相邻的 "像素 "和它们的各种相互作用拼接在一起。 Vladimir Suslov 2016.09.04 13:48 #1305 阿列克谢-伯纳科夫。谁试过了？ 我和我的同事想训练一个卷积 NS。有一些绘图正在进行中。我们希望如此。这是一种非常规的应用方法。另一方面，我们只需提出一个一维的 "图片 "作为输入，我们就可以把相邻的 "像素 "和它们的各种相互作用拼接在一起。 那么让同事们试试吧，还是很弱？ mytarmailS 2016.09.04 14:42 #1306 阿列克谢-伯纳科夫。我和我的同事想训练一个卷积NS。有一些制图正在进行。我们希望如此。 有趣的是，等待印象... Youri Tarshecki 2016.09.04 15:34 #1307 mytarmailS:1.如果我们不仅要在历史中穿行，寻找相似之处，而且还要动态地扩大/缩小当前的模式和我们要比较的历史模式，那么我们怎么能比较当前价格模式与历史模式的相似性？ 这有什么必要呢？如果一个模式在历史上有一个类比，那么它在持续时间上应该是一样的。至少我在做模式搜索时，在寻找相称的部分。 mytarmailS 2016.09.04 15:45 #1308 尤里-塔舍基。 为什么有这样的需求？如果一个模式在历史上有一个类比，那么它在持续时间上也应该对应。至少我在做图案搜索时是在寻找比例部分。1）至少因为市场上没有任何图案是完全相同的。2）而且因为DTW提供了这么好的机会3）而且因为我们都知道按尺寸搜索相同图案的结果，包括你...还是你会给我带来惊喜？:) Alexey Burnakov 2016.09.04 16:05 #1309 活动。 所以让你的同事们试一试，或者说是弱者？ 你的观点是什么，乘客？你不想尝试，也不想用你的方式。我正在做自己的任务，我很感兴趣。 Alexey Burnakov 2016.09.04 16:06 #1310 mytarmailS: 有趣的是，期待着印象...... 你还会说什么？你在等待结果吗？ 1...124125126127128129130131132133134135136137138...3399 新评论 原因: 取消 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
jPrediction三元分类器的第10版已经发布
新版本中实现了交叉验证。
由于交叉验证，与第9版相比，OOS上的泛化能力有了明显的提高，特别是在非平稳数据上。同时，根据对样本不同部分的测试结果的概括能力，作为第9版和第10版中模型的特点，几乎没有变化。
由于这些变化没有影响到用户界面，对第9版用户的说明 仍然有效。在说明 中可以找到下载jPrediction的新版本以及其源代码的链接。
Awl作家。
1）它只是通过绝对值来比较两个时间序列，即需要在纵轴上进行预归一化的移动和缩放，这在很大程度上取决于具体的实施。
2) 例如，这里https://www.mql5.com/ru/code/10755，取2个固定长度的片段进行比较
3）并没有考虑到其中一个可能较长，另一个可能较短的情况。
4），而且计算量可以大大减少，等等。我们可以通过DTW特定的参数来谈论聚类--不仅可以计算两个片段的 "相似度"，还可以计算水平尺度的比例。
1) 那么，在用DTW算法对两个系列进行相似性比较之前，当然只能用通常的方式进行归一化......那些取代绝对价格值的范围，例如从0到1，你说的移位和比例 的正常化是什么意思？ 请解释一下。
2）谢谢你的链接，说起来我真的很震惊，我和作者的想法完全一样，我做了完全一样的研究，我经历了完全一样的进化路径，从普通的相关到DTW，这让我起鸡皮疙瘩......我们在做同样的事情，思考同样的事情，只是在不同的时间、不同的地点，叮叮当当......。
3）是的，没有考虑到，虽然考虑是正确的，但我猜想为什么作者没有实施它，事实是，如果你开始深入思考的类型："但如何实现它"，然后出来了很多的问题，没有答案......
因为它不仅仅是用DTW在固定长度的 片段上搜索相似性，就像我在聚类中做的那样，或者本文作者的算法，它要复杂得多......
以下是出现的几个问题
1.如果我们不仅要在历史上走一遍，寻找相似性，还要动态地扩大/缩小当前图案和我们要比较的历史图案，那么如何比较当前价格图案与历史图案的相似性？
2.如何在扣减功率不足的情况下挣扎 个人对于DTW来说，即使在固定长度的两段上，我也没有足够的功率，而在变体（1.）的情况下，负荷增加了数千倍而不夸张....。
4）如何？
1.你可以把系列的值带到[0;1]的范围内，但最好是通过从每个元素中减去平均值（MA），然后用每个元素除以标准差来消除常数成分。浏览器这种寄生虫，破坏了一些文字。
3-4.如果你研究一下算法的本质，即矩阵是如何填写的，很多东西就会变得清晰。我们比较两个长度相同的片段，它们有固定的开始和结束。我们可以固定开头，使结尾浮动，并在算法中引入从0.5到2的比例因子限制--你将得到有约束的DTW。结果将不是一个而是两个数字，这将为我们提供一个额外的预测器。如何减少计算量--找到 "奇异点"（极值），把它们拉到一起，从而抛出一大部分矩阵区域，更多细节 见链接。另见维基百科动态时间扭曲，参考文献部分。
先生们，我的一个新任务。
这里有一个.R格式的数据集：https://drive.google.com/open?id=0B_Au3ANgcG7CcjZVRU9fbUZyUkE
这组数据中大约有40,000行，101列。最右边一栏是目标变量。左手边是100个输入。
我建议你尝试建立一个回归模型，根据剩下的100列，在前20000个观测值的基础上预测第101列的值。
在剩下的20,000多个观测值上，构建的模型应该显示出 至少0.5的R^2。
然后我揭示了数据的生成方式，并给出了我的解决方案。
线索是时间序列数据。输入是100个样本，提前预测1个。它不是价格或报价或其衍生品。
阿列克谢
谁试过？我和我的同事想训练一个卷积NS。有一些绘图正在进行中。我们希望。
这是一种非常规的应用方法。另一方面，我们只需提出一个一维的 "图片 "作为输入，我们就可以把相邻的 "像素 "和它们的各种相互作用拼接在一起。
谁试过了？ 我和我的同事想训练一个卷积 NS。有一些绘图正在进行中。我们希望如此。
这是一种非常规的应用方法。另一方面，我们只需提出一个一维的 "图片 "作为输入，我们就可以把相邻的 "像素 "和它们的各种相互作用拼接在一起。
我和我的同事想训练一个卷积NS。有一些制图正在进行。我们希望如此。
1.如果我们不仅要在历史中穿行，寻找相似之处，而且还要动态地扩大/缩小当前的模式和我们要比较的历史模式，那么我们怎么能比较当前价格模式与历史模式的相似性？
为什么有这样的需求？如果一个模式在历史上有一个类比，那么它在持续时间上也应该对应。至少我在做图案搜索时是在寻找比例部分。
1）至少因为市场上没有任何图案是完全相同的。
2）而且因为DTW提供了这么好的机会
3）而且因为我们都知道按尺寸搜索相同图案的结果，包括你...还是你会给我带来惊喜？:)
所以让你的同事们试一试，或者说是弱者？
有趣的是，期待着印象......