交易中的机器学习：理论、模型、实践和算法交易 - 页 2125

新评论
 
Igor Makanu:

? 专题阅读 ))))

在那里，是这部作品的开始。

http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content0/Content0.htm#Ref


你真的在看这个吗？

重点是，它首先是在没有任何计算能力和逻辑的情况下写的，而且，如前所述，它是有效的）当然有很多水分，但你可以自己筛选。而开头，嗯，这就是时间，没有开头的书就不会有了。你也可以把它考虑进去)

 
Maxim Dmitrievsky:

http://gmdh.net/articles/theory/bookInductModel.pdf

一个很大的优点是，线性模型总是收敛到局部最小值。这就是为什么该方法仍有意义

几年前看到这本书。

它看起来...是的，这很吸引人，但真正的意义是什么？ 如果目标是写一个文凭或博士 - 是的，这是一本板书。

如果目的是时间序列--这本书是关于别的东西，关于计算机发展初期的随机森林的发明。

我认为，即使是NS的合奏，也不习惯在实践中应用，如何与BP合作？好吧，作为一个选项，搞乱了一堆很多的NS，最后你得到自动编码器？- 我怀疑用这本书甚至可以得到一个卷积网络


沃龙佐夫更多的是与旧知识有关，还有数据处理--我正在咀嚼一些关于BP的在线课程--里面有一些东西；)

 
elibrarius:

如果测试和火车上的所有点都被排在一个共同的列表中（根据某种模式重新排列），这意味着它们被混在一起了。我的理解是这样的。测试不应该以任何方式与托盘混合。

如果这些点是独立的（没有自相关），你可以而且应该把它们混合起来

事实上，这就是随机森林的工作方式。

 
Igor Makanu:

几年前看到这本书。

在外观上...好吧，是的，它很吸引人，但真的--为什么？ 如果目标是写一个文凭或博士学位--是的，它是一本案头书。

如果目的是时间序列--这本书是关于别的东西，关于计算机发展初期随机森林的发明。

我认为，即使是NS的合奏也不太习惯在实践中应用，如何与BP合作？- 我怀疑用这本书甚至可以得到一个卷积网络


旧知识，沃龙佐夫更有意义，数据处理--我已经完成了关于BP的在线课程的学习--里面有一些东西；)

你在说什么，你是喝醉了还是怎么了？

问问沃隆佐夫，伊瓦赫年科对他来说是谁？

 
Maxim Dmitrievsky:

如果这些点是独立的（没有自相关），混合是可能的，也是必要的。

事实上，这就是随机森林的工作方式

在时间序列的每一边都有2-3个与每个点非常相关的点。即不符合独立条件
 
elibrarius:
时间序列每边有2-3个非常相关的点。即不符合独立条件

有一些特殊的时间序列 的分割方法，这些方法考虑到了这一切

 
elibrarius:
时间序列每边有2-3个非常相关的点。即不符合独立条件

可以删除这些重复的数据，它将在新的数据上立即起作用，但传播范围不会被覆盖。

 
Maxim Dmitrievsky:

如果这些点是独立的（没有自相关），混合是可能的和必要的

不

这不是BP评估中ACF的目的。

滞后=1的自 相关可能不存在，但其他滞后期可能存在

和ACF估计不是对滞后依赖性的评估，而只是确定过程模型的一种方式--在决定BP与哪个过程相关之后，我们开始数据预处理--要么使用BP本身，要么使用其滞后期样本

 
Igor Makanu:

不

是

之前

后，过度训练要去的装饰关系。还应考虑到标记的序列性。


 
Maxim Dmitrievsky:

可以删除这些重复的数据，它将在新的数据上立即起作用，但传播范围不会被覆盖。

如果分差没有被覆盖，又有什么意义呢？
1...211821192120212121222123212421252126212721282129213021312132...3399
新评论