文章 "第三代神经网络：深度网络" - 页 3

新评论
 

待续。

4. 亲和传播（AP）聚类，见http://dx.doi.org/10.1126/science.1136800&nbsp；

> library(apcluster)
> d.apclus <- apcluster(negDistMat(r=2), x)
> cat("affinity propogation optimal number of clusters:", length(d.apclus@clusters), "\n")
affinity propogation optimal number of clusters: 34 (!?)
> heatmap(d.apclus)

5.估计聚类数量的差距统计。另请参阅一些代码，以获得漂亮的图形

输出。这里尝试 2-10 个聚类：

> library(cluster)
> clusGap(x, kmeans, 10, B = 100, verbose = interactive())
Clustering k = 1,2,..., K.max (= 10): .. done
Bootstrapping, b = 1,2,..., B (= 100)  [one "." per sample]:
.................................................. 50 
.................................................. 100 
Clustering Gap statistic ["clusGap"].
B=100 simulated reference sets, k = 1..10
 --> Number of clusters (method 'firstSEmax', SE.factor=1): 6

6.对于高维数据

#10  Also for high-dimension data is the pvclust library which calculates 
#p-values for hierarchical clustering via multiscale bootstrap resampling.
library(pvclust)
library(MASS)
> x.pc <- pvclust(x)
Bootstrap (r = 0.5)... Done.
Bootstrap (r = 0.6)... Done.
Bootstrap (r = 0.7)... Done.
Bootstrap (r = 0.8)... Done.
Bootstrap (r = 0.9)... Done.
Bootstrap (r = 1.0)... Done.
Bootstrap (r = 1.1)... Done.
Bootstrap (r = 1.2)... Done.
Bootstrap (r = 1.3)... Done.
Bootstrap (r = 1.4)... Done.
> plot(x.pc)
> lines(x.pc)
> pvrect(x.pc)
> seplot(x.pc, type="au")

> pvpick(x.pc)
$clusters
$clusters[[1]]
[1] "DX"  "ADX"

$clusters[[2]]
 [1] "DIp"    "ar"     "cci"    "cmo"    "macd"   "osma"  
 [7] "rsi"    "fastK"  "fastD"  "slowD"  "SMI"    "signal"

$clusters[[3]]
[1] "chv" "vol"


$edges
[1] 11 12 13

我得到了从 2 到 34 的不同结果（？）在我看来，使用 pvclust 进行的最后一次计算结果是最合理的。现在我们需要决定如何处理它

 

vlad1949

我得到了从 2 到 34 的不同结果（？）在使用 pvclust 进行的最后一次计算中，我认为这是最合理的结果。现在我需要决定如何处理它

亲爱的弗拉德

我无法理解您所描述的代码。所以，请您一步一步地教我。

聚类的目的。

从一组预测因子中挑选出对特定目标变量有影响的预测因子。此外，每个目标变量，我强调是每个，而不是一组，都对一个类别中的某个值具有预测能力。例如，对于 "多空 "类别，有些预测值与多头关系更大，有些则与空头关系更大。我已经写过，对于 "正价格增量 - 负价格增量 "类，我找不到 一个 预测值具有这样的属性。

由此可见，聚类 必须将一个单独的预测因子分成若干组，这就是有老师的聚类。没有老师的聚类并不有趣。

PS.

这个问题的陈述与 rf 等软件包生成的因果关系值有相似之处，但无一例外，所有类似的值都不能使用。所有这些算法都能很好地适用于预测因子集，而这些预测因子集并不具备对类中每个值的选择性预测能力。

不知何故。

 
vlad1949:

我认为使用多币种智能交易系统没有任何问题。如果智能交易系统是多币种的，那就更方便了，因为多币种智能交易系统中的指标有限制，而智能交易系统中没有。如果是多EA，那么从每个EA调用R将创建一个新的R实例，而MT4中有32个这样的对子--多到我的眉毛。

测试。成功。确实非常慢。

[删除]  
在这里，大家可以以图像分类为例，欣赏到迄今为止深度神经网络应用的最佳实现之一。
MetaMind Vison Labs - General Image Classifier
MetaMind Vison Labs - General Image Classifier
  • www.metamind.io
This demo allows you to use a state-of-the-art classifier that can classify (automatically label) an unseen image into one of 1000 pre-defined classes. How can I use this? Just drag and drop your images into the "Upload Your Image" button or click it to select a file from your computer. You can also simply copy and paste the url of an...
 
你就不能把这里的东西和这里 的东西比较一下吗？
 

faa1947:
А нельзя ли сравнить то, что здесь, с тем, что здесь? У Решетова?

但 VMR 已经比人类强大得多） 这段话 之后，我就没再往下看了。

也没有什么可与之比较的。无论是在网上还是在文章中，我都没有遇到过世界未知理论和 VMR（？

 

vlad1949:


读完这段话（但 VMR 已经比人类强大得多） ，我就没再往下读了。

我没有读过帕斯捷尔纳克的作品，但我谴责他《大众》中的一句话

如果你不喜欢某本书，没有人会强迫你读下去。这是互联网，不是学校的文学必修课程。

因此，没有必要向别人报告你没有读过的东西。毕竟，如果每个人都开始发表此类报告，dyk no 论坛引擎将无法承受。

vlad1949：

也没有什么可比性。我既没有在互联网上也没有在文章中见过世界未知理论和 VMR（？

这是个棘手的问题。请节哀顺变。
 
Reshetov:

因此， 没有必要向别人报告自己没有读过的东西。毕竟，如果每个人都开始发布此类报告，那么任何论坛引擎都将无法承受。

5分！我想象不出比这更精妙的幽默了。:)
 

faa1947:
А нельзя ли сравнить то, что здесь, с тем, что здесь? У Решетова?

说正经的。将 "深度学习 "与博客中引以为豪的 "理论 "相提并论是不严肃的。前者是在两所重点大学的努力下发展起来的，并将继续发展下去。有成功的实际应用。许多人在实际项目中对其进行了测试。有 R 语言的实现。对我这个用户来说，这是最重要的。

第二件事是一个人（可能是一个有才华的程序员）的开发，但尚未付诸实践。在博客上发表的想法可能会有成果，但这是研究人员的工作，而不是用户（交易者）的工作。从评论中可以看出，他对自己的伟大理论产生了误解。这很正常。所有发明家都会遇到这种情况（误解）。顺便说一句，我无意冒犯任何人。

这里有一个建议：在雷舍托夫的博客或单独的主题（如果他组织的话）中讨论他的主题。

这里欢迎大家就文章主题--"深度神经网络"--发表意见和看法。

无意冒犯。

祝好运

 
vlad1949:
我反应过度了。我收回我的提议
12345678910...17
新评论