Con el fin de explicar por qué tengo esos estúpidos pregunta que encontrará a continuación he de decir que estoy más que una máquina de aprendizaje de la persona. Mientras yo trabajaba en problemas en bioinformática todo estaba bien. Cuando escuché las palabras como "regresión" o "la curtosis y la asimetría", en el primer caso, yo sólo sonreí, en el segundo caso lo he hecho algunos torpe mover con mis hombros tratando de decir algo como: "sí, he oído hablar de él, e incluso saber cómo calcularlo, pero ¿por qué en la Tierra de nadie la va a necesitar?".
La situación cambió dramáticamente cuando hace un año, sólo por diversión, traté de aplicar mi máquina de aprendizaje conocimiento para algunos financiera de series de tiempo.
Empecé con la idea de hacer una Red Bayesiana a partir de las señales proporcionadas por "técnica", "análisis" de "indicadores". La Idea fracasó. También fue algo grato encontrar al menos dos temas con una idea similar en este sitio (que utiliza redes neuronales en lugar de bayesian).
Luego, después de mucho esfuerzo, yo era capaz de construir una mezcla de kNN y simbólico de regresión que he entrenado en 1 hora los datos de 2000 a 2006 y se probó en los datos de 2007. Este modelo permite dio una reja de lucro. Pero luego, cuando se aplica a datos más recientes, me di cuenta que la precisión cayó dramáticamente debido económico crysis y no funciona más, porque algo ha cambiado en el mercado y necesito más datos nuevos, que puedo obtener sólo en un 2 a 5 años.
Así, muchas de las cosas que se intentó más tarde y si todo esto comenzó como "sólo por diversión", que ya no era divertido. Hasta que he encontrado en internet las conferencias de Ruey S. Tsay en ARIMA, GARCH, ALQUITRÁN y todas las otras completamente nuevas cosas para mí.
Básicamente, me encontré con un mundo nuevo y yo realmente disfrutar de ella. Ahora yo era capaz de encajar el primer modelo ARIMA, y, a continuación, sintonizado para reducir rms error dos veces por mirar ACF, FAP, jugando con la estacionalidad, y así sucesivamente.
Así, la diversión está de vuelta, he tenido un montón de él y espero tener aún más. Pero yo tenía algunas preguntas y encontré este gran sitio. Leer casi todos los temas acerca de ARIMA y otras técnicas relacionadas, junto con muchos otros temas de carácter general relacionados con enfoques similares. Seguro que va a leer más. Todavía estoy pensando en una mente marco de la máquina de enfoque de aprendizaje, lo que lleva a un montón de preguntas estúpidas, para la mayoría de los cuales yo a encontrar las respuestas en este sitio.
Así que, después de esta larga introducción, aquí están mis restantes preguntas estúpidas:
Mientras que la máquina enfoque de aprendizaje está más preocupado por la búsqueda de "patrón" en los datos me parece en contradicción con los modelos estadísticos financiera unicc que utilizar ampliamente la teoría del paseo aleatorio (que hace que la existencia de patrones de, al menos, cuestionable). Me doy cuenta de que es muy ingenuo y descripción incorrecta, pero lo que estoy tratando de decir, es que la mayoría de las maquinas de las técnicas de aprendizaje son conceptual en contradicción con el enfoque estadístico para el problema. No estoy diciendo que algunas enfoque es mejor, solo estoy diciendo que no tiene contradicciones. Es correcto y lo grande que es esta contradicción?
-
Me gustó mucho la descripción y la idea de ALQUITRÁN modelo que para mí se ve como el matrimonio de aprendizaje de la máquina con las estadísticas. Este es un modelo que quiero tratar la siguiente después de agregar GARCH para mi ARIMA. Pero tengo algunas preguntas al respecto:
TAR sin duda utiliza la estadística y la máquina de enfoques de aprendizaje. Así, teniendo en cuenta que mi primera pregunta, no hay un error cuando triyng para encontrar el patrón para el conjunto de modelos, que son básicamente construido en la teoría que excluye a los patrones? O es sólo una idea de cómo combinar los dos modelos que estudian diferentes aspectos de un mismo problema, en una aún más potente modelo?
Cuando usted hace una búsqueda por palabra clave "ARIMA" en este sitio, encontrarás 15 páginas de temas, mientras que para los niveles de ALQUITRÁN sólo hay uno. También ¿por qué la gente se detuvo justo en la aplicación de AR? Por qué no ampliar esta idea para modelos más complejos (como los ARIMA) ? Es porque el ALQUITRÁN no dan espera mejora en AR ?
Sé que MCMC métodos y otros de la máquina de aprendizaje de la materia que está siendo actualmente mezclado con modelos estadísticos. Personalmente, estoy también un gran fan de los Modelos Ocultos de Markov y Campos Aleatorios Condicionales. Qué sabe usted acerca de las mezclas de cualquiera de estos métodos con modelos estadísticos ?
