트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2407

[Dmytryi Nazarchuk]

mytarmailS :

어떤 모델이 더 나은지 논하는 것은 일반적으로 유치원, 나는 약 7 년 전에 그런 쓰레기를 겪었습니다

새로운 정보 기능을 생성하는 방법 - 예

시장에 대한 피트니스 기능 목표 생성 방법 - 예

들어오는 정보를 변환하는 방법 - 예

시장 반응형 기능을 구축하는 방법 - 예

하지만 같은 빈 데이터에 대해 NS와 Forest 중 어느 것이 더 나은지 논하는 것은 FACE PALM에 불과합니다...

10개의 서로 다른 MO 알고리즘 간의 오차 차이 0.5 - 2%

2% 칼!!! 20-30%의 격차를 주는 것이 무엇인지 논의해야 합니다.

표시가 유익하면 모든 AMO가 잘 작동하고 그 반대도 마찬가지입니다!!!

이것은 몇 년 동안 이 스레드에서 논의한 내용을 전혀 이해하지 못하는 한 남자의 말입니다.

일반적인 둔각 선형 회귀 와 NN 간의 순방향 테스트에서 "오차 차이"는 20-30% 이상일 수 있으며 네트워크에 유리하지 않습니다.

테스트하고 시연하기도 쉽습니다.

그물이 딱 맞으니까

[mytarmailS]

드미트리 나자르추크 :

이것은 몇 년 동안 이 스레드에서 논의한 내용을 전혀 이해하지 못하는 한 남자의 말입니다.

일반적인 둔각 선형 회귀 와 NN 간의 정방향 테스트에서 "오차 차이"는 20-30% 이상일 수 있습니다.

그리고 테스트 및 시연이 쉽습니다.

입증하다

[Dmytryi Nazarchuk]

mytarmailS :
입증하다

파란색 곡선(GBP D1 - GBP LineReg), 주황색( GBP D1 - GBP NN).

교육 샘플 2009-2020, 앞으로 2021.

독립변수는 동일합니다.

[mytarmailS]

드미트리 나자르추크 :

파란색 곡선(GBP D1 - GBP LineReg), 주황색( GBP D1 - GBP NN).

교육 샘플 2009-2020, 앞으로 2021.

독립변수는 동일합니다.

기호, 목표, 뉴런 출력, 회귀 출력 및 레이블 형식으로 데이터를 보내주십시오. 기차는 어디에 있고 테스트는 어디에 있습니까?

[Dmytryi Nazarchuk]

mytarmailS :
기호, 목표, 뉴런 출력, 회귀 출력 및 레이블 형식으로 데이터를 보내주십시오. 기차는 어디에 있고 테스트는 어디에 있습니까?

) 아니요, 기호를 재설정할 수 없습니다.

[mytarmailS]

드미트리 나자르추크 :

) 아니요, 기호를 재설정할 수 없습니다.

왜요?

알겠습니다. 잊어버리세요. 이해가 있으면 lin에서 할 수 있다는 것을 보여주고 싶었습니다. 회귀 모델은 NN보다 나쁘지도 않고 더 좋지도 않습니다 ...

그러나 모든 것은 이것에 관한 것이 아니라 표준 데이터에서 AMO가 다른 AMO에 비해 상당한 이점을 제공하지 않는다는 사실에 대해 20-30%가 필요할 때 2%의 차이는 아무것도 아닙니다.

[Dmytryi Nazarchuk]

mytarmailS :
왜요?

글쎄, 이것은 이미 내 노하우입니다.

[mytarmailS]

드미트리 나자르추크 :

글쎄, 이것이 내 노하우입니다.

기성품 간판과 기성품 표적의 행렬을 버리면 어떻게 든 기술 노하우가 드러날 것입니다 ???

디미트리 당신은 천재입니다! )) 책을 읽으러 가는 게 좋을 텐데..

[Dmytryi Nazarchuk]

mytarmailS :

기성품 간판과 기성품 표적의 행렬을 버리면 어떻게 든 기술 노하우가 드러날 것입니다 ???

디미트리 당신은 천재입니다! )) 책을 읽으러 가는 게 좋을 텐데..

고맙습니다!

[Maxim Dmitrievsky]

때때로 사람들은 회귀 모델과 활성화 함수가 있는 회귀 모델의 차이점을 이해하지 못하므로 비뚤어진 결론이 나옵니다. 예를 들어 두 번째 데이터에 대한 데이터를 제대로 정규화하지 않으면 그라디언트가 폭발하고 아무 것도 학습하지 않습니다.

그들은 또한 첫 번째 모델이 활성화 f-ii가 없는 가장 단순한 뉴런이며 두 번째 모델이 농담을 할 것이라는 점을 이해하지 못합니다.