交易中的机器学习：理论、模型、实践和算法交易 - 页 2661

新评论
 

有没有人用 python 制作交易机器人鱼？

对于ML机器人...

 
mytarmailS #:
酷文 https://pair-code.github.io/understanding-umap/

有什么好玩的？

 
Vladimir Perervenko #:

那又有什么乐趣呢？

我想说的是，用 "humap "分解法识别事物是非常困难的。

例如，要让识别算法意识到两条前腿是一类 "前腿"，

你必须做很多转换...


1) 将 "unmap "成分分成若干块（簇），"dbscan "不太可能正确地处理（这项任务）。

2) 根据长毛象腿的大小对其进行变异，从而实现不变性（我们在此省略这一步骤）

3) 根据未知算法正确 匹配腿部，并进行中心定位

4) 旋转腿部以获得更正确的位置

5) 镜像脚以获得更正确的位置

6) 现在我们需要对齐双腿，消除主要变形。我认为可以用主成分法对腿部进行分解，然后去掉其中的第一个主成分，这在理论上应该可以消除主要的扭曲（我没有对此进行说明）。


7) 只有这样，您才能测量这些腿之间的距离/接近度，从而意识到它们是相似的，可以归为一类 "前腿"。

 
mytarmailS #:

我想说的是，用 "yumap "分解法很难识别出什么东西。

例如，让识别算法意识到两条前腿是一类 "前腿"。

你必须进行大量的转换。

可怜的大象
 
Maxim Dmitrievsky #:
可怜的大象。

我自己就像那头大象，脑袋是方的。）

 
mytarmailS #:

我自己就像那头大象，脑袋是方的。）

是的，理论上一切都很清楚，例如，它的腿在哪里，头在哪里，但对于算法来说，一切都不清楚，只是一组点。

机器人的标志也是如此。

 
Maxim Dmitrievsky #:

是的，理论上一切都很清楚，例如，他的腿在哪里，头在哪里，但对于算法来说，一切都不清楚，只是一组点而已

机器人的特征也是如此。

这就是为什么我们需要广义上的不变性，就像计算机视觉中的不变性一样，这样算法本身才能进行分割，然后扩大、缩小、旋转、扭曲，最后才能进行比较。

https://robwhess.github.io/opensift/

https://www.analyticsvidhya.com/blog/2019/10/detailed-guide-powerful-sift-technique-image-matching-python/#:~:text=SIFT%20helps%20locate%20the%20local,detection%2C%20scene%20detection%2C%20detection%2C%20etc.
 
Maxim Dmitrievsky #:

机器人的特征也是如此。

没错！我不担心大象。

市场不是一成不变的，它永远不会像昨天一样。
 
mytarmailS #:
没错！我不担心大象。 。

市场不是一成不变的，它永远不会像昨天那样。

是的，我想知道。

这个例子展示的是大象的模型，但如果用这些部件来制作骆驼，可能就行不通了。

---

市场上一直有类似的模型："大象"、"骆驼"、"兔子"。但它们的大小都不一样。但这些图案都是真实存在的，而且一直在重复。

以我的年龄，很难深入研究像 "大象 "这样复杂的分析过程，但我要说，这很有趣。

 
Uladzimir Izerski #:

是的，这很有趣。

这个例子展示的是大象的模型，但如果用这些部件做成骆驼，可能就行不通了。

骆驼没有獠牙和长鼻，而大象有驼峰，用大象做骆驼有什么意义呢？
1...265426552656265726582659266026612662266326642665266626672668...3399
新评论