잔액이 꾸준히 가파르게 상승하는 수많은 GIF는 무엇을 위한 것이었을까요? 질문에 대한 답을 이해하지 못하셨나요?
이 GIF는 제가 설명한 양자 컷오프 사용 개발의 새로운 변형입니다. 특정 샘플에 대해 10개의 퀀텀 컷오프만으로도 훈련 샘플에서 긍정적인 균형을 얻을 수 있음을 보여주었습니다. 따라서 첫 번째 양자 세그먼트 (이전에 선택한 것에서)를 무작위로 선택하면 샘플 테스트 및 검사에서 균형이 긍정적 인 성장을 보이는 순서를 찾을 수 있다고 말했습니다. 따라서 기차 샘플에만 효과적인 양자 세그먼트가 있고 다른 샘플에도 효과적인 양자 세그먼트가 있습니다. 그리고 이렇게 서로 다른 행동을 보인다면, 아마도 일부는 안정적인 패턴을, 일부는 잘못된 패턴을 설명할 수 있을 것입니다. 따라서 이러한 양자 세그먼트를 검색/생성하는 단계에서 거짓 세그먼트를 선별하는 것이 가능한지 여부가 문제였습니다. 제가 사용한 기준으로는 잘못된 양자 세그먼트를 걸러내기에 충분하지 않다는 것이 분명했습니다. 대상을 혼동하는 아이디어는 본질적으로 SB에서 양자 세그먼트를 선택할 확률을 평가하기 위한 테스트 역할을 합니다.
그래서 무작위로 배치된 타겟에서 양자 세그먼트를 선택했는데 이제 균형을 맞춰야 한다는 게 이해가 안 되는데요? 같은 방식으로, 하지만 무작위 배치는 하지 않고, 제가 GIF에서 보여드린 것처럼요?
이전에 샘플에서 선택한 양자 세그먼트에서 일련의 양자 세그먼트를 선택하는 바로 그 방식은 완전한 것으로 간주되지 않고 가능성의 잠재력을 보여주는 것입니다.
구체적인 숫자는 기억나지 않지만 알렉산더 슈뢰딩거 스레드에서 논의되었습니다. 다음은 chatgpt의 답변입니다:
이 경우 평균 엔트로피는 가능한 경로 수의 로그와 같은 숫자로 표현됩니다. 이 숫자는 단계 수와 각 방황 단계의 길이에 따라 양수 값이 될 수 있습니다. 예를 들어, 단계 길이가 1이고 단계 수가 10인 숫자 축에서 무작위 방황이 발생하는 경우 가능한 경로의 수는 2^10 = 1024가 되고 평균 엔트로피는 1024의 로그, 즉 약 6.93이 됩니다.
지금 제 기억이 맞다면, 트리의 예측자가 분할할 최적의 위치를 찾지 않고 범위의 절반만 맞추는 건가요?
생략하면 일반적으로 반으로 나뉩니다. 앨글리보우 포레스트에는 4로 나누는 옵션이 있었습니다. 저는 어떤 단위로든 나눌 수 있도록 옵션을 확장했습니다. 캣버스타에 대해서는 잘 모르겠지만, 문제는 간단합니다. Cutbust는 임의의 지점에서 분할을 검색합니다. OOS에서는 일반적으로 절반으로 나눌 때 가장 좋은 모델을 얻습니다. 피치가 작을 때 매우 빠르게 재훈련합니다.
이 경우 평균 엔트로피는 가능한 경로 수의 로그와 같은 숫자로 표현됩니다. 이 숫자는 단계 수와 각 방황 단계의 길이에 따라 어떤 양수 값도 될 수 있습니다. 예를 들어, 단계 길이가 1이고 단계 수가 10인 숫자 축에서 무작위 방황이 발생하는 경우 가능한 경로의 수는 2^10 = 1024가 되고 평균 엔트로피는 1024의 로그, 즉 약 6.93이 됩니다.
침묵으로 그것은 보통 반으로 나뉩니다. 알글리보프 숲에는 4로 나누는 변형이 있었습니다. 나는 어떤 증분으로 나눌 수있는 가능성을 확장했습니다. 캣버스타가 어떻게 하는지는 모르겠지만 간단합니다. OOS에서는 일반적으로 절반으로 나눌 때 가장 좋은 모델을 얻을 수 있습니다. 피치가 작을 때 매우 빠르게 재훈련합니다.
캣버스타를 사용하면 퀀텀 테이블에 의해 과적합합니다 :)
호환성을 위해 테이블을 동시에 구현해 볼 수 있을까요?
캣부스트의 표준에 따라 파일을 첨부했습니다. 첫 번째 열은 예측자 번호이고 두 번째 열은 분할입니다.
머신 러닝에 대해 읽고 싶었는데, 여기 유머 전문가들이 기술을 연마하고 있습니다.
주제와 관련이 없는 유머 농담이나 다른 것들을 다른 곳에서 보고 싶어요.
이제 본론으로 들어갑니다.
시장이 무작위적이라고 생각한다고 쓰셨는데, 그 근거는 무엇인가요?
시장 가격 움직임의 무작위성을 증명할 수 있는 강력한 근거가 있나요?
잔액이 꾸준히 가파르게 상승하는 수많은 GIF는 무엇을 위한 것이었을까요? 질문에 대한 답을 이해하지 못하셨나요?
이 GIF는 제가 설명한 양자 컷오프 사용 개발의 새로운 변형입니다. 특정 샘플에 대해 10개의 퀀텀 컷오프만으로도 훈련 샘플에서 긍정적인 균형을 얻을 수 있음을 보여주었습니다. 따라서 첫 번째 양자 세그먼트 (이전에 선택한 것에서)를 무작위로 선택하면 샘플 테스트 및 검사에서 균형이 긍정적 인 성장을 보이는 순서를 찾을 수 있다고 말했습니다. 따라서 기차 샘플에만 효과적인 양자 세그먼트가 있고 다른 샘플에도 효과적인 양자 세그먼트가 있습니다. 그리고 이렇게 서로 다른 행동을 보인다면, 아마도 일부는 안정적인 패턴을, 일부는 잘못된 패턴을 설명할 수 있을 것입니다. 따라서 이러한 양자 세그먼트를 검색/생성하는 단계에서 거짓 세그먼트를 선별하는 것이 가능한지 여부가 문제였습니다. 제가 사용한 기준으로는 잘못된 양자 세그먼트를 걸러내기에 충분하지 않다는 것이 분명했습니다. 대상을 혼동하는 아이디어는 본질적으로 SB에서 양자 세그먼트를 선택할 확률을 평가하기 위한 테스트 역할을 합니다.
그래서 무작위로 배치된 타겟에서 양자 세그먼트를 선택했는데 이제 균형을 맞춰야 한다는 게 이해가 안 되는데요? 같은 방식으로, 하지만 무작위 배치는 하지 않고, 제가 GIF에서 보여드린 것처럼요?
이전에 샘플에서 선택한 양자 세그먼트에서 일련의 양자 세그먼트를 선택하는 바로 그 방식은 완전한 것으로 간주되지 않고 가능성의 잠재력을 보여주는 것입니다.
그래서 균형을 통해 평가하는 이유와 방법을 이해하지 못합니다.
이 경우 평균 엔트로피는 가능한 경로 수의 로그와 같은 숫자로 표현됩니다. 이 숫자는 단계 수와 각 방황 단계의 길이에 따라 양수 값이 될 수 있습니다. 예를 들어, 단계 길이가 1이고 단계 수가 10인 숫자 축에서 무작위 방황이 발생하는 경우 가능한 경로의 수는 2^10 = 1024가 되고 평균 엔트로피는 1024의 로그, 즉 약 6.93이 됩니다.
여러 따옴표의 경우 평균적으로 sb와 비슷한 수치를 보였습니다.
지금 제 기억이 맞다면, 트리의 예측자가 분할할 최적의 위치를 찾지 않고 범위의 절반만 맞추는 건가요?
생략하면 일반적으로 반으로 나뉩니다. 앨글리보우 포레스트에는 4로 나누는 옵션이 있었습니다. 저는 어떤 단위로든 나눌 수 있도록 옵션을 확장했습니다. 캣버스타에 대해서는 잘 모르겠지만, 문제는 간단합니다. Cutbust는 임의의 지점에서 분할을 검색합니다.
OOS에서는 일반적으로 절반으로 나눌 때 가장 좋은 모델을 얻습니다. 피치가 작을 때 매우 빠르게 재훈련합니다.
정보 관점에서 보면 시장은 무작위적인데, 시세와 호가의 정보량을 비교해보면 알 수 있습니다. 몇 년 전에 비교했습니다. 일반인의 관점에서는 시장이 변하고 시간이 지남에 따라 패턴이 바뀝니다.
비행기 날개의 난기류를 기록한 데이터가 주어졌는데 테스트 결과 무작위인 것으로 나타났다면(그리고 실제로도 그럴 것입니다.)
그 데이터를 무작위로 간주할 수 있을까요?
비행기 날개의 난류 흐름을 기록한 데이터가 주어졌는데 테스트 결과 무작위인 경우(실제로도 그럴 것입니다.)
이 데이터를 무작위로 간주할 수 있을까요?
이 경우 평균 엔트로피는 가능한 경로 수의 로그와 같은 숫자로 표현됩니다. 이 숫자는 단계 수와 각 방황 단계의 길이에 따라 어떤 양수 값도 될 수 있습니다. 예를 들어, 단계 길이가 1이고 단계 수가 10인 숫자 축에서 무작위 방황이 발생하는 경우 가능한 경로의 수는 2^10 = 1024가 되고 평균 엔트로피는 1024의 로그, 즉 약 6.93이 됩니다.
여러 따옴표의 경우 평균적으로 sb와 비슷한 수치를 보였습니다.
개인적인 경험에서.
비슷한 사진이 많이 남아 있기 때문에 우연일 수는 없습니다.
시장은 무작위가 아니며 이는 명백한 사실입니다)
개인적인 경험담입니다.
비슷한 사진이 많이 남아있기 때문에 우연일 수는 없습니다.
침묵으로 그것은 보통 반으로 나뉩니다. 알글리보프 숲에는 4로 나누는 변형이 있었습니다. 나는 어떤 증분으로 나눌 수있는 가능성을 확장했습니다. 캣버스타가 어떻게 하는지는 모르겠지만 간단합니다.
OOS에서는 일반적으로 절반으로 나눌 때 가장 좋은 모델을 얻을 수 있습니다. 피치가 작을 때 매우 빠르게 재훈련합니다.
캣버스타를 사용하면 퀀텀 테이블에 의해 과적합합니다 :)
호환성을 위해 테이블을 동시에 구현해 볼 수 있을까요?
캣부스트의 표준에 따라 파일을 첨부했습니다. 첫 번째 열은 예측자 번호이고 두 번째 열은 분할입니다.
개인적인 경험에서.
비슷한 사진이 많이 남아있기 때문에 우연일 수는 없습니다.
시장은 무작위가 아니니까요)
네, 저도 이 예를 여러 번 제시하고 싶었지만 항상 잊어버렸어요.