交易中的机器学习：理论、模型、实践和算法交易 - 页 2848

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

尝试构建柱高样本的直方图（通常传统意义上的）。您还可以尝试构建生存函数。

我已经构建了，你打算如何使用它？

至于生存函数，我不知道如何使用。

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

那么是你建造了它，你打算如何使用它？

至于生存功能，我不知道如何使用。

例如，在第一张图中，8-9 点附近有明显的下降，这与您的栅栏和树木相对应。您可以在存活率函数图上更精确地看到下降的斜率--在那里它是由一个水平截面定义的。

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

例如，在第一幅图中，8-9 点附近有明显的下降，这与您的围栏和树木相对应。您可以在存活函数图中更精确地看到下降段--那里有一个水平截面。

很明显，直方图可以分为两个部分，但这是一个自动化和统一化的问题。如果差值的绝对值不大，直方图就不会显示出来。

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

很明显，直方图可以分为两部分，但这里的问题是处理过程的自动化和统一化。如果传播的绝对值不大，直方图就不会显示出来。

这就是我写生存函数（也有危险函数）的原因。不要懒于学习新东西，也不要试图自己发明一切--有人已经解决了你的任何问题。

[mytarmailS]

Aleksey Nikolayev #:

不要懒于学习新知识，也不要试图自学成才--你遇到的任何问题，别人都已经解决了。

++++

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

这就是我写生存函数（也有危险函数）的原因。不要懒于学习新知识，不要试图自己发明一切--已经有人解决了你的问题。

说具体点--你打算怎么做--在不了解如何和为什么使用以太体的情况下提及以太体就是浪费时间。

我愿意帮助你理解建立生存函数的算法--我会写代码，然后我们再深入思考。考虑到我在工作中处理应用的信息量，你对我懒惰的假设简直是一种侮辱。

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

让我们说得具体一点--你打算怎么做--在不了解如何和为什么使用以太体的情况下提及以太体就是浪费时间。

如果你愿意帮助我理解构建生存函数的算法，我可以写代码，然后我们再深入思考。考虑到我在工作中处理应用的信息量，你对我懒惰的假设简直是一种侮辱。

粗略地说，你不是懒得砍树，而是懒得磨斧头。

风险函数，R 的最简单变体

#  x - выборка, y - функция риска
x <- sort(x)
nx <- length(x)
y <- log(nx/(nx:1))
plot(x, y, type = "l")

曲线靠近水平线的部分与直方图中的凹点相对应，由于与分区（如直方图）没有联系，因此可以更准确地确定这些部分。例如，我在研究人字形膝盖的高度分布时就用到了它。

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

风险函数，R 的最简单变体

nx:1 是什么意思？难道在求对数后，向量 y 中不会有多个数字吗？我不懂 R 的语法。

Aleksey Nikolayev#：

曲线靠近水平线的部分与直方图中的凹点相对应，在这里可以更精确地定义这些部分，因为与分区（如直方图）没有联系。例如，我在研究 "之 "字形膝盖的高度分布时就使用了这种方法。

"接近"--如何统一接近程度？我需要一种算法，而不是最终的人工估计。

到目前为止，我们正在制作一个简单的预测器，它将显示样本中此类异常值的百分比。然后，我们可以考虑估算这些异常值在样本中的分布情况。

[Aleksey Nikolayev]

Aleksey Vyazmikin #:

nx:1 是什么意思？查找对数后，不是会在向量 y 中得到不止一个数吗？我不懂 R 的语法。

这是一个长度为nx 的向量，数值从nx 到 1。学学 R，磨磨你的斧头。

Aleksey Vyazmikin#:

"接近"--如何统一接近程度？我需要一种算法，而不是最终的手动估算。

这取决于你的任务，由你决定如何操作。我的变体不太可能适合你--我使用的是为 SB 计算的风险函数理论形式的偏差。

[Aleksey Vyazmikin]

Aleksey Nikolayev #:

它是一个长度为nx 的向量，数值从nx 到 1。学习 R，磨快你的斧头。

nx 是相同元素的个数。如果它大于 1，又怎么会小于 1 呢？

文章一般都会强调，在应用方法本身之前，你需要了解分布。