Joe Joe 7,987 10 10 gold badges 50 50 silver badges 110 110 bronze badges
stackoverflow.com
How to convert Parquet to CSV from a local file system (e.g. python, some library etc.) but WITHOUT Spark? (trying to find as simple and minimalistic solution as possible because need to automate everything and not much...
1d 컨볼루션을 통해 가능한데 왜 그림으로 작업을 복잡하게 만드는지 잘 모르겠습니다. :) 사진은 시리즈에 정보를 추가하지 않습니다
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
그런데. 차트의 다른 위치에서 패턴을 찾는 것이 옳습니까? 나는 아니라고 생각한다. 예를 들어, 그들은 20포인트에 대한 일종의 템플릿을 찾았고 그 후에 구매해야 합니다. 그리고 이 템플릿이 0번바가 아니라 20-50-200바 전이고 너무 늦게 매수했다면 반대로 매도해야 합니다. 컨볼루션 네트워크 는 그것을 찾아 구매할 것입니다. 그녀는 질문에 답할 것입니다. 그녀에게 표시된 차트 섹션에 패턴이 있습니까? 그리고 차트의 오른쪽 부분에서만 패턴을 찾아야 합니다. 0번째 마디에서.
저것들. 컨볼루션 네트워크는 일반적으로 따옴표 작업에 적합하지 않습니다. 0번째 막대를 제외한 모든 위치에서 패턴이 나타나는 것은 수익성 있는 작업에만 방해가 됩니다. 그래프가 100개의 포인트로 구성되어 있고 패턴이 20이라면, 컨볼루션 네트워크는 패턴이 여기에 80번 있다는 신호를 줄 것입니다.!!
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
슬림 키보드 + 터치, 모두 결함 있음
이것이 바로 잘못된 것입니다
시장과 참가자, 알고리즘은 시간이 지남에 따라 변합니다. 한 번 훈련된 안정적인 시스템을 기대하는 것이 이상합니다. 일주일에 한 번 또는 매일 재훈련하십시오(나무에서 금식).
철학적인 질문입니다 :)
시장이 얼마나 빨리 변화하는지, 재교육 빈도가 시장에 따라 달라지는지, 어떻게 측정해야 하는지 이해해야 합니다.
나는 시장이 여러 가지 다른 성향으로 구성되어 있고 그 집합이 제한되어 있다고 생각하며 이 성향을 식별하고 돈을 버는 모델을 가르칠 뿐입니다.
완제품에 대해 옳지 않은 것은? 여기 그리고 여기 . MCL과 Python(ZeroMQ) 간의 통신을 담당하는 부분만 있으면 됩니다.
행운을 빕니다
나는 그것에 대해 몰랐다)) 감사합니다!
1d 컨볼루션을 통해 가능한데 왜 그림으로 작업을 복잡하게 만드는지 잘 모르겠습니다. :) 사진은 시리즈에 정보를 추가하지 않습니다
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
벡터를 행렬로 어떻게 변환합니까?
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
그런데. 차트의 다른 위치에서 패턴을 찾는 것이 옳습니까?
나는 아니라고 생각한다.
예를 들어, 그들은 20포인트에 대한 일종의 템플릿을 찾았고 그 후에 구매해야 합니다. 그리고 이 템플릿이 0번바가 아니라 20-50-200바 전이고 너무 늦게 매수했다면 반대로 매도해야 합니다. 컨볼루션 네트워크 는 그것을 찾아 구매할 것입니다. 그녀는 질문에 답할 것입니다. 그녀에게 표시된 차트 섹션에 패턴이 있습니까? 그리고 차트의 오른쪽 부분에서만 패턴을 찾아야 합니다. 0번째 마디에서.
저것들. 컨볼루션 네트워크는 일반적으로 따옴표 작업에 적합하지 않습니다. 0번째 막대를 제외한 모든 위치에서 패턴이 나타나는 것은 수익성 있는 작업에만 방해가 됩니다.
하려고 했는데 생각이 바뀌었어요.그래프가 100개의 포인트로 구성되어 있고 패턴이 20이라면, 컨볼루션 네트워크는 패턴이 여기에 80번 있다는 신호를 줄 것입니다.!!
예, 맞습니다. 특징 벡터가 행렬로 변환되어 컨볼루션에 공급되면 거의 변경되지 않습니다(이미 확인됨). 제 경우에는 검색 및 컨볼루션 네트워크 속성의 사용을 최대화하는 것이 아이디어입니다. 로컬 패턴을 사용합니다. 이러한 패턴은 전송 불변입니다. 즉, 다층 컨볼루션은 이미지의 다른 위치에서 동일한 패턴을 찾을 수 있습니다. 또한 기능 맵을 중간에 적극적으로 줄이는 아키텍처를 사용하면 서로 다른 컨볼루션 레이어의 템플릿 간에 계층 구조를 형성할 수 있습니다. 그래서 저는 컨볼루션이 이러한 패턴을 찾을 수 있도록 하는 인용문에 대한 그래픽 해석을 찾으려고 노력하고 있습니다.
반복 플롯을 시도할 수 있습니다. 했어, 뭔가 굴러가지 않았다, 그리고 천천히, 다시
반복 플롯을 시도할 수 있습니다. 했어, 뭔가 안 돼, 그리고 천천히, 다시
또는 시리즈의 확장, 예를 들어 역변환이 있는 PCA....
시리즈를 원자로 분해하고 다시 결합할 수 있습니다.
예를 들어 창 100의 처음 두 구성 요소
다음은 2번째와 3번째 성분입니다
다음은 3번째와 4번째 구성 요소입니다.
여기에 30 및 31 구성 요소가 있습니다.
최대 100개까지 배치할 수 있습니다. 멋진 일...
이 모든 것이 지연 없이 새 데이터에 있습니다.
......
......
.....
이런 .. 대부분은 내가 말하는 것을 이해조차하지 못했습니다)))) 아마도))
또는 시리즈의 확장, 예를 들어 역변환이 있는 PCA....
시리즈를 원자로 분해하고 다시 결합할 수 있습니다.
예를 들어 창 100의 처음 두 구성 요소
다음은 2번째와 3번째 성분입니다
다음은 3번째와 4번째 구성 요소입니다.
여기에 30 및 31 구성 요소가 있습니다.
최대 100개까지 배치할 수 있습니다. 멋진 일...
이 모든 것이 지연 없이 새 데이터에 있습니다.
......
......
.....
이런 .. 대부분은 내가 말하는 것을 이해하지 못했습니다 )))) 아마도)))
그건 확실합니다. 대부분의 사람들은 당신이 무슨 말을 하는지 이해하지 못합니다. 글쎄, 그렇게해야합니다.
원형 교차로에서 만나십시오. 오랫동안 알려지고 실제로 널리 사용되며 잘 입증된 "노니우스 서보 시스템"이라는 구성에 도달했습니다. 그리고 아직 완전히는 아니지만 본질을 포착했습니다.