마이클 마르쿠카이테스 : 초보자로서 당신의 또 다른 실수. NN은 훈련 세트에 대해 매우 까다롭고 데이터 준비의 사소한 오류(잘못된 위치에 쉼표 입력)가 정반대의 결과를 초래하는 다소 미묘한 도구입니다. 당신 자신의 결론을 덜 이끌어내려고 노력하고, 오히려 그들이 당신에게 말하는 것에 귀를 기울이십시오.
현재로서는 AI와 NS를 식별하지 않습니다. 당신은 당신이 그들을 혼동해서는 안된다고 스스로 말했다. NS는 AI에서 사용할 수 있는 도구이지만 자체적으로는 부족합니다. 당신은 이것에 동의하는 것 같습니다.
피터 코노우 : 현재로서는 AI와 NS를 식별하지 않습니다. 당신은 당신이 그들을 혼동해서는 안된다고 스스로 말했다. NS는 AI에서 사용할 수 있는 도구이지만 그 자체로는 부족하다. 당신은 이것에 동의하는 것 같습니다.
더 말씀드리자면 최적화 버튼을 눌러야 하는 경우가 있었습니다. 그런 다음 20단계 작업을 올바르게 다시 수행하지 않았으며 실제로 데이터에 오류가 있었고 오류가 없어야 한다는 것을 분명히 깨달았기 때문에 모든 것을 다시 준비해야 했습니다. 말 그대로 쉼표는 존재하지 않으며 모두 헛된 것입니다. 그리고 이것은 기계 시간과 시간이며 가장 중요한 것은 결과입니다.
나쁜 것은 무엇입니까? Katbust는 대부분의 경쟁자를 우회합니다. 예를 들어, 나는 대칭적인 나무라는 아이디어가 마음에 들지 않았습니다. 분명히 2개의 서로 다른 노드를 하나의 예측 변수와 동일한 수준으로 나누는 것이 최선의 선택은 아닙니다. 최대 10배의 가속도입니다. 2개의 새로운 고전적인 방법을 추가한 것이 좋습니다.
아마도 우회하지만 콘테스트에서 선택은 고정되어 있으며 특히 쓰레기 기능이 없습니다. 조건은 우리가 작업하는 것이 아니며 이러한 기능을 고려하여 데이터를 준비하는 것이 가장 좋은 방법이라고 생각합니다. (해결책은 아직 최종 형태는 아니지만 중요한 작업입니다.)
나무를 만들기 위한 다른 모델은 좋지만 아직 별도의 파일에 업로드할 수 없기 때문에 Expert Advisor에 재봉될 수 없다는 의미입니다. 좋지 않습니다.
부스팅에서 나는 후처리의 부족을 좋아하지 않습니다. 훈련이 끝나면 약한 트리를 버려 모델을 단순화합니다. 나는 그들이 그것을하지 않는 이유를 이해하지 못합니다.
부스팅에서 개별 나무의 잎은 약하고-저밀도-1 % 미만이며이 매개 변수를 조정할 수없고 샘플에 대한 신호 분포가 전혀 고려되지 않는 것이 나쁩니다. 결과적으로, 우리는 이상치에 대해 훈련합니다. 많은 뉘앙스가 있으며 여기서 예측 변수의 우수한 사전 처리가 해결책이 될 수 있습니다. 물론 코드에 들어가서 추가하는 것이 더 좋습니다. 실제로 아무도 적절한 수준에서 C ++를 이해하지 않습니까?
마이클 마르쿠카이테스 : 더 말씀드리자면 최적화 버튼을 눌러야 하는 경우가 있었는데 20단계 작업을 제대로 수행하지 않았다는 것을 깨달았습니다. 사실 데이터에 오류가 있었고 오류가 없어야 한다는 것을 분명히 깨달았기 때문에 모든 것을 다시 준비해야 했습니다. 말 그대로 쉼표는 존재하지 않으며 모두 헛된 것입니다. 그리고 이것은 기계 시간과 시간, 그리고 가장 중요한 결과입니다.
그리고 데이터에 대한 이러한 과도한 요구가 단점으로 보이지 않습니까? 도로 표지판을 인식하는 HC가 측면에 작은 스티커가 있으면 잘못 인식한다고 들었습니다. 이 초고감도가 필요하지 않을까요?
회귀에 대해 이야기하고 있다면 더 명확해질 것입니다. 아마도 그렇게 취해야 할 것입니다.
동의한다. NS는 자동차의 나사나 너트와 같은 AI 구성 요소에 가깝습니다.
초보자로서 당신의 또 다른 실수. NN은 훈련 세트에 대해 매우 까다롭고 데이터 준비의 사소한 오류(잘못된 위치에 쉼표 입력)가 정반대의 결과를 초래하는 다소 미묘한 도구입니다. 당신 자신의 결론을 덜 이끌어내려고 노력하고, 오히려 그들이 당신에게 말하는 것에 귀를 기울이십시오.
맞습니다. NS는 AI의 구성 요소입니다. 신경망 외에도 이 신경망의 작동을 지원하는 여러 알고리즘이 있으며, 이것이 바로 AI 시스템입니다. 시스템이야. 그러나 AI 시스템은 신경망 없이는 존재할 수 없습니다.
현재로서는 AI와 NS를 식별하지 않습니다. 당신은 당신이 그들을 혼동해서는 안된다고 스스로 말했다. NS는 AI에서 사용할 수 있는 도구이지만 그 자체로는 부족하다. 당신은 이것에 동의하는 것 같습니다.
AI가 인간과 상호작용해야 합니까???
그래서 우리는 이 결론에 동의했습니다.
나쁜 것은 무엇입니까? Katbust는 대부분의 경쟁자를 우회합니다.
예를 들어, 나는 대칭적인 나무라는 아이디어가 마음에 들지 않았습니다. 분명히 2개의 서로 다른 노드를 하나의 예측 변수와 동일한 수준으로 나누는 것이 최선의 선택은 아닙니다. 최대 10배의 가속도입니다.
2개의 새로운 고전적인 방법을 추가한 것이 좋습니다.
아마도 우회하지만 콘테스트에서 선택은 고정되어 있으며 특히 쓰레기 기능이 없습니다. 조건은 우리가 작업하는 것이 아니며 이러한 기능을 고려하여 데이터를 준비하는 것이 가장 좋은 방법이라고 생각합니다. (해결책은 아직 최종 형태는 아니지만 중요한 작업입니다.)
나무를 만들기 위한 다른 모델은 좋지만 아직 별도의 파일에 업로드할 수 없기 때문에 Expert Advisor에 재봉될 수 없다는 의미입니다. 좋지 않습니다.
부스팅에서 나는 후처리의 부족을 좋아하지 않습니다. 훈련이 끝나면 약한 트리를 버려 모델을 단순화합니다. 나는 그들이 그것을하지 않는 이유를 이해하지 못합니다.
부스팅에서 개별 나무의 잎은 약하고-저밀도-1 % 미만이며이 매개 변수를 조정할 수없고 샘플에 대한 신호 분포가 전혀 고려되지 않는 것이 나쁩니다. 결과적으로, 우리는 이상치에 대해 훈련합니다. 많은 뉘앙스가 있으며 여기서 예측 변수의 우수한 사전 처리가 해결책이 될 수 있습니다. 물론 코드에 들어가서 추가하는 것이 더 좋습니다. 실제로 아무도 적절한 수준에서 C ++를 이해하지 않습니까?
해야 한다고 생각합니다. 그렇지 않으면 왜 필요합니까?
당신은 언제 (당신의 지성이 문제를 해결한다고 생각합니까) 이 순간 누군가와 의사 소통을 해야 합니까?
우리는 지금 다른 언어로 의사 소통하기 때문에 여전히 지능에 대한 "벌레 같은"정의를 버릴 수 없습니다.
더 말씀드리자면 최적화 버튼을 눌러야 하는 경우가 있었는데 20단계 작업을 제대로 수행하지 않았다는 것을 깨달았습니다. 사실 데이터에 오류가 있었고 오류가 없어야 한다는 것을 분명히 깨달았기 때문에 모든 것을 다시 준비해야 했습니다. 말 그대로 쉼표는 존재하지 않으며 모두 헛된 것입니다. 그리고 이것은 기계 시간과 시간, 그리고 가장 중요한 결과입니다.