DTW, algoritmo abbastanza semplice per la ricerca di pattern
E' il primo che ho utilizzato, il vantaggio principale e' che non e' bulimico di dati.
Quello che non coglie la correlazione quando c'e' un lag temporale tra 2 variabili, questo lo fa egregiamente. Senza sfasamento praticamente dà lo stesso risultato.
E' tipico nelle serie temporali finanziarie che ci sia prima un movimento in A, poi arrivi quello in B, esempio aumenta la fiducia delle imprese e successivamente arriva l'aumento del PIL o degli occupati ecc.
Questo algoritmo sterilizza il ritardo del PIL e lo mette nello stesso tempo della fiducia...quindi oltre al fatto che e' molto piu' semplice scovare relazioni non immediatamente percepibili (magari avvengono dopo molti mesi) , la modellazione e' molto + efficace.
Esempio se mettiamo in input in un qualsiasi algoritmo di AI il risultato del DTW invece della variabile grezza (quindi un'operazione di feature engineering) , serviranno molti meno dati e sara' molto + preciso.
Ecco all'AI manca la capacità di astrazione...sarebbe bello che l'operazione preventiva sulla variabile se lo facesse da sola ma al momento e' impossibile.
Uno potrebbe obiettare dicendo .."vabbe' metti tra il bouquet di preparazione il DTW e in loop se lo sceglie".......ma e' facile anche la replica..."oggi c'e' il DTW...domani la fusione fredda...va a sapere cosa potra' servire!"
Quindi questo lavoro duro preparatorio sara' ancora compito esclusivo degli specialisti, scenari diversi sono pura fantascienza.
Non vedo all'orizzonte l'algoritmo dove butti dentro il Nasdaq e senza fare niente....esce qualcosa di corretto.
La + stupida mente umana hanno calcolato che al momento ha capacita' doppia di astrazione rispetto all'AI allo stato dell'arte ( se trovo l'articolo aggiorno il post)...ma per quanto riguarda la capacita' di classificazione e memorizzazione, non c'e' partita.
Quindi bisogna metterla nelle condizioni di fare dove rende meglio...questa' e' la mission.
Commenti
Posta un commento