도서관 : 거기에서 네트워크 유형은 출력 유형에 따라 단순히 초기에 선택되며 아무 것도 다시 작성할 필요가 없습니다(모든 내부 레이어는 비선형으로 엄격하게 설정됨)
생성된 동일한 네트워크를 아직 alglib에 재교육하는 실험을 해본 적이 있습니까? MLP를 훈련한 다음 다시 훈련한다고 가정해 보겠습니다. 다시 훈련되고 오류는 없지만 이것이 옳지 않아 새 네트워크 개체를 생성해야 합니까? 또는 그는 어떻게 든 그곳에서 다시 훈련하고 다시 공부하지 않습니다 .. 다시, 도움말에는 이것에 대한 것이 없지만 코드를 선택하고 거기에서보기에는 너무 게으릅니다)
막심 드미트리예프스키 : 생성된 동일한 네트워크를 아직 alglib에 재교육하는 실험을 해본 적이 있습니까? MLP를 훈련한 다음 다시 훈련한다고 가정해 보겠습니다. 다시 훈련되고 오류는 없지만 이것이 옳지 않아 새 네트워크 개체를 생성해야 합니까? 또는 그는 어떻게 든 그곳에서 다시 훈련하고 다시 공부하지 않습니다 .. 다시, 도움말에는 이것에 대한 것이 없지만 코드를 선택하고 거기에서보기에는 너무 게으릅니다)
다시 재훈련하면 오류가 발생하지 않고(계수가 재설정되므로 재훈련이 아님) 새로운 조합을 간단히 찾을 수 있습니다.
막심 드미트리예프스키 : 생성된 동일한 네트워크를 아직 alglib에 재교육하는 실험을 해본 적이 있습니까? MLP를 훈련한 다음 다시 훈련한다고 가정해 보겠습니다. 다시 훈련되고 오류는 없지만 이것이 옳지 않아 새 네트워크 개체를 생성해야 합니까? 또는 그는 어떻게 든 그곳에서 다시 훈련하고 다시 공부하지 않습니다 .. 다시, 도움말에는 이것에 대한 것이 없지만 코드를 선택하고 거기에서보기에는 너무 게으릅니다)
매우 흥미로운 접근 방식이며 세계만큼이나 오래되었습니다. 우리는 여러 번 훈련하고 결과를 얻은 다음 여러 다른 네트워크에서 수신한 데이터로 네트워크를 다시 훈련합니다. 다른 형식의 딥 러닝처럼 .... 그건 그렇고, 정상적인 접근 ...
글쎄, 당신이 울타리에 있기 때문에 처리를 위해 데이터를 수집하는 것에 대한 한 가지 생각을 말하겠습니다. 실제로 시장은 살아있는 유기체이기 때문에 충분히 넓은 영역에서 일반화 수준이 높은 모델을 훈련시키는 것은 매우 어렵습니다. 훈련 기간이 길수록 모델은 더 나빠지지만 더 오래 걸립니다. 작업: 오래 지속되는 모델을 만드십시오. 그러나 두 개의 네트워크로 구성된 위원회를 사용하는 사람들을 위한 분할 또는 모드 2.
그리드가 다른 방향으로 표시될 때 "예", "아니오" 및 "모름"의 세 가지 상태가 있습니다.
우리는 전체 사이트(우리의 경우 452개의 레코드)에서 네트워크를 훈련합니다. 네트워크는 이 세트를 55-60% 학습했으며 훈련 샘플의 "모른다"는 응답이 각각 50%라고 가정하면 네트워크는 226개의 신호를 학습할 수 없습니다. 글쎄요, 이제 우리는 "모름" 상태에 따라 새로운 모델을 구축하고 있습니다. 즉, 첫 번째 모델을 오도한 그러한 유사 상태에 대한 모델을 구축하려고 합니다. 결과는 226개 중 거의 동일하며 절반만 인식되고 나머지는 "모름" 상태를 받은 다음 모델을 다시 빌드합니다. 결과적으로 113, 56, 28, 14입니다. 이전 모델에 알려지지 않은 14개의 레코드에서 Jprediction 옵티마이저는 일반적으로 일반화 능력의 최대 100%를 계산합니다.
그 결과 3개월 만에 시장 전체를 인정한 '모델 시스템'을 갖추게 됐다.
여기에 "오늘의 컨텍스트" 외에 다른 방법이 있습니다. 정확히 "모델 시스템"을 가져와서 시장을 부분 공간으로 나누고 교육할 수 있습니다. 여기에서 예를 보십시오....
그것이 실제로 대답입니다 ... ㅋ, ㅋ, ㅋ .... 그리고 결과는 0입니다 .....
거래 보고서를 게시하면 결과와 그것이 얼마나 긍정적일지, 너무 진지한 대화가 있을 것입니다...
거래 보고를 하면 결과가 있을 것이고, 긍정적이면 진지한 대화가 가능하다.
무슨 대화???? 이해가 안가네요..... FX와는 다른 작업을 위한 모델을 만들자고 제안했지만 수익성이 떨어지지 않는 거래에 대해 알려줍니다.....이상해!!!!
무슨 대화???? 이해가 안가네요..... FX와는 다른 작업을 위한 모델을 만들자고 제안했지만 수익성이 떨어지지 않는 거래에 대해 알려줍니다.....이상해!!!!
당신이 나에게 외환보다 덜 수익성이 있는 작업을 제안했다면, 나는 당신의 외환이 얼마나 수익성이 있는지 알 권리가 있습니다. 무엇이 이상한가요?
당신이 나에게 외환보다 덜 수익성이 있는 작업을 제안했다면, 나는 당신의 외환이 얼마나 수익성이 있는지 알 권리가 있습니다. 무엇이 이상한가요?
Forex는 무엇입니까???? 외환에 대해, 내 이전 게시물 또는 기사를 읽으십시오 ..... 나는 당신에게 외환에 대해 말하는 것이 아닙니다 ....
Forex는 무엇입니까???? forex에 대해, 내 이전 게시물 또는 기사를 읽으십시오 ..... 나는 당신에게 forex에 대해 말하는 것이 아닙니다 ....
거기에서 네트워크 유형은 출력 유형에 따라 단순히 초기에 선택되며 아무 것도 다시 작성할 필요가 없습니다(모든 내부 레이어는 비선형으로 엄격하게 설정됨)
생성된 동일한 네트워크를 아직 alglib에 재교육하는 실험을 해본 적이 있습니까? MLP를 훈련한 다음 다시 훈련한다고 가정해 보겠습니다. 다시 훈련되고 오류는 없지만 이것이 옳지 않아 새 네트워크 개체를 생성해야 합니까? 또는 그는 어떻게 든 그곳에서 다시 훈련하고 다시 공부하지 않습니다 .. 다시, 도움말에는 이것에 대한 것이 없지만 코드를 선택하고 거기에서보기에는 너무 게으릅니다)
생성된 동일한 네트워크를 아직 alglib에 재교육하는 실험을 해본 적이 있습니까? MLP를 훈련한 다음 다시 훈련한다고 가정해 보겠습니다. 다시 훈련되고 오류는 없지만 이것이 옳지 않아 새 네트워크 개체를 생성해야 합니까? 또는 그는 어떻게 든 그곳에서 다시 훈련하고 다시 공부하지 않습니다 .. 다시, 도움말에는 이것에 대한 것이 없지만 코드를 선택하고 거기에서보기에는 너무 게으릅니다)
매우 흥미로운 접근 방식이며 세계만큼이나 오래되었습니다. 우리는 여러 번 훈련하고 결과를 얻은 다음 여러 다른 네트워크에서 수신한 데이터로 네트워크를 다시 훈련합니다. 다른 형식의 딥 러닝처럼 .... 그건 그렇고, 정상적인 접근 ...
매우 흥미로운 접근 방식이며 세계만큼이나 오래되었습니다. 우리는 여러 번 훈련하고 결과를 얻은 다음 여러 다른 네트워크에서 수신한 데이터로 네트워크를 다시 훈련합니다. 다른 형식의 딥 러닝처럼 .... 그건 그렇고, 정상적인 접근 ...
아니요, 여기서는 테스터의 특정 간격(예: 주어진 드로다운 등)으로 재교육하는 것에 대해 이야기하고 있습니다. 여러 네트웍 쓰다보면 알글립에 ns 앙상블이 있는데 나중에 같이 놀아줄게 지금은 여름이고 게으른 .. 바다 모히또 비치
그런 다음 모든 종류의 부스팅 shmustings 등등. 쓰레기는, 글쎄요, LSTM은 아직 도달하지 못한 내 열망의 억지스러운 이상으로 남을 것입니다.
마이클 마르쿠카이테스:
글쎄, 당신이 울타리에 있기 때문에 처리를 위해 데이터를 수집하는 것에 대한 한 가지 생각을 말하겠습니다. 실제로 시장은 살아있는 유기체이기 때문에 충분히 넓은 영역에서 일반화 수준이 높은 모델을 훈련시키는 것은 매우 어렵습니다. 훈련 기간이 길수록 모델은 더 나빠지지만 더 오래 걸립니다. 작업: 오래 지속되는 모델을 만드십시오. 그러나 두 개의 네트워크로 구성된 위원회를 사용하는 사람들을 위한 분할 또는 모드 2.
그리드가 다른 방향으로 표시될 때 "예", "아니오" 및 "모름"의 세 가지 상태가 있습니다.
우리는 전체 사이트(우리의 경우 452개의 레코드)에서 네트워크를 훈련합니다. 네트워크는 이 세트를 55-60% 학습했으며 훈련 샘플의 "모른다"는 응답이 각각 50%라고 가정하면 네트워크는 226개의 신호를 학습할 수 없습니다. 글쎄요, 이제 우리는 "모름" 상태에 따라 새로운 모델을 구축하고 있습니다. 즉, 첫 번째 모델을 오도한 그러한 유사 상태에 대한 모델을 구축하려고 합니다. 결과는 226개 중 거의 동일하며 절반만 인식되고 나머지는 "모름" 상태를 받은 다음 모델을 다시 빌드합니다. 결과적으로 113, 56, 28, 14입니다. 이전 모델에 알려지지 않은 14개의 레코드에서 Jprediction 옵티마이저는 일반적으로 일반화 능력의 최대 100%를 계산합니다.
그 결과 3개월 만에 시장 전체를 인정한 '모델 시스템'을 갖추게 됐다.
여기에 "오늘의 컨텍스트" 외에 다른 방법이 있습니다. 정확히 "모델 시스템"을 가져와서 시장을 부분 공간으로 나누고 교육할 수 있습니다. 여기에서 예를 보십시오....
-------------------------------------------------- ----------
이 방법을 "부스팅 "이라고 합니다. 부스팅 은 알고리즘 구성을 구성하기 위한 욕심 많은 알고리즘입니다.
가장 유명한 최근 사용은 XGBoost입니다.
행운을 빕니다