그래서 신자의 70%는 아무것도 아닙니다. 이 70%의 정답 중 약 3분의 1이 거래 입력에 적합합니다. 23% 남습니다. 잘못된 예측의 30%에 대해(그리고 그것이 사실인지 아닌지 미리 알 수 없음) 이것은 아무것도 아닙니다. 그리고 변곡점(방향의 변화)에는 여전히 잘못된 예측이 존재하며 이 영역은 거래에 가장 적합합니다.
이를 바탕으로 예측에 종사하는 것은 무의미하지만 분류에 종사해야 한다고 생각합니다. 저것들. 특정 순간이 거래에 적합한지 여부를 결정합니다. 모델에 따르면 20-40%의 입력 오류가 발생하며 더 정확한 수치는 항목의 앞부분에서 제공되었습니다.
그는 non-stationarity의 문제가 MO와 아무 관련이 없다고 확신했습니다. 나는 NS와 거래한 적이 없기 때문에 그의 의견을 반박할 논거가 없었다. 또한 NN을 제외한 다른 트리와 다른 트리가 비정상 예측자와 잘 작동한다는 직관적인 이해가 있었습니다.
나는 가격 행동에 여전히 몇 가지 영구적인 패턴이 있다는 공리에 의존합니다. 이것은 비마코비안 과정입니다. 그리고 저는 MO를 사용하여 그것들을 찾으려고 노력하고 있습니다.
다양한 모델을 통해 밀과 왕겨를 분리하고 가격 흐름에서 패턴을 찾을 수 있습니다. 가격 흐름은 주로 소음과 거래 센터에 의한 의도적인 왜곡으로 구성됩니다. 문제는 모델(뉴런의 경우 가중치의 수, 학습률 등, 숲의 경우 예를 들어 트리의 수)에 대한 훈련 매개변수를 찾는 것입니다. 예를 들어, 비정상성을 물리친 후 이 노이즈의 모든 것에서 몇 가지 안정적인 패턴을 찾을 수 있습니다. 여러 교차 검증을 통해 모델을 훈련하기 위한 좋은 매개변수를 찾았습니다. 결과적으로 내 모델은 훈련과 새로운 데이터(R2 ~ 0.003) 모두에서 매우 작지만 긍정적인 결과를 보여줍니다. 그러나 나는 아직 확산을 이기지 못했다.
나는 가격 행동에 여전히 몇 가지 영구적인 패턴이 있다는 공리에 의존합니다. 이것은 비마코비안 과정입니다. 그리고 저는 MO를 사용하여 그것들을 찾으려고 노력하고 있습니다.
다양한 모델을 통해 밀과 왕겨를 분리하고 가격 흐름에서 패턴을 찾을 수 있습니다. 가격 흐름은 주로 소음과 거래 센터에 의한 의도적인 왜곡으로 구성됩니다. 문제는 모델(뉴런의 경우 가중치의 수, 학습률 등, 숲의 경우 예를 들어 트리의 수)에 대한 훈련 매개변수를 찾는 것입니다. 예를 들어, 비정상성을 물리친 후 이 노이즈의 모든 것에서 몇 가지 안정적인 패턴을 찾을 수 있습니다. 여러 교차 검증을 통해 모델을 훈련하기 위한 좋은 매개변수를 찾았습니다. 그 결과 모델은 훈련 데이터와 새로운 데이터(R2 ~ 0.003) 모두에서 매우 작지만 긍정적인 결과를 보여줍니다. 그러나 나는 아직 확산을 이기지 못했다.
딥러닝에 대한 신선하고 좋은 책이 출간되었습니다. 불행히도 rutracker.org에 업로드된 링크를 공개적으로 제공할 수 없습니다.
딥러닝 발행 연도: 2018 저자: Nikolenko S. I., Kadurin A. A., Arkhangelskaya E. O. 장르 또는 주제: 신경망 출판사: 피터 시리즈: 프로그래머 라이브러리 ISBN: 978-5-496-02536-2 언어: 러시아어 형식: PDF 품질: 텍스트 인식 오류(OCR) 대화형 목차: 아니오 페이지 수: 479
대략 70% 정도의 적절한 예측을 하신 걸로 기억합니다. 위에 글을 올렸습니다
그래서 신자의 70%는 아무것도 아닙니다. 이 70%의 정답 중 약 3분의 1이 거래 입력에 적합합니다. 23% 남습니다. 잘못된 예측의 30%에 대해(그리고 그것이 사실인지 아닌지 미리 알 수 없음) 이것은 아무것도 아닙니다. 그리고 변곡점(방향의 변화)에는 여전히 잘못된 예측이 존재하며 이 영역은 거래에 가장 적합합니다.
이를 바탕으로 예측에 종사하는 것은 무의미하지만 분류에 종사해야 한다고 생각합니다. 저것들. 특정 순간이 거래에 적합한지 여부를 결정합니다. 모델에 따르면 20-40%의 입력 오류가 발생하며 더 정확한 수치는 항목의 앞부분에서 제공되었습니다.
분류는 클래스의 구성원 또는 구성원의 확률에 대한 예측입니다.
액세서리를 추출할 수 있는 회귀와 다르지 않습니다.
그는 non-stationarity의 문제가 MO와 아무 관련이 없다고 확신했습니다. 나는 NS와 거래한 적이 없기 때문에 그의 의견을 반박할 논거가 없었다. 또한 NN을 제외한 다른 트리와 다른 트리가 비정상 예측자와 잘 작동한다는 직관적인 이해가 있었습니다.
나는 가격 행동에 여전히 몇 가지 영구적인 패턴이 있다는 공리에 의존합니다. 이것은 비마코비안 과정입니다. 그리고 저는 MO를 사용하여 그것들을 찾으려고 노력하고 있습니다.
다양한 모델을 통해 밀과 왕겨를 분리하고 가격 흐름에서 패턴을 찾을 수 있습니다. 가격 흐름은 주로 소음과 거래 센터에 의한 의도적인 왜곡으로 구성됩니다.
문제는 모델(뉴런의 경우 가중치의 수, 학습률 등, 숲의 경우 예를 들어 트리의 수)에 대한 훈련 매개변수를 찾는 것입니다. 예를 들어, 비정상성을 물리친 후 이 노이즈의 모든 것에서 몇 가지 안정적인 패턴을 찾을 수 있습니다. 여러 교차 검증을 통해 모델을 훈련하기 위한 좋은 매개변수를 찾았습니다.
결과적으로 내 모델은 훈련과 새로운 데이터(R2 ~ 0.003) 모두에서 매우 작지만 긍정적인 결과를 보여줍니다. 그러나 나는 아직 확산을 이기지 못했다.
나는 가격 행동에 여전히 몇 가지 영구적인 패턴이 있다는 공리에 의존합니다. 이것은 비마코비안 과정입니다. 그리고 저는 MO를 사용하여 그것들을 찾으려고 노력하고 있습니다.
다양한 모델을 통해 밀과 왕겨를 분리하고 가격 흐름에서 패턴을 찾을 수 있습니다. 가격 흐름은 주로 소음과 거래 센터에 의한 의도적인 왜곡으로 구성됩니다.
문제는 모델(뉴런의 경우 가중치의 수, 학습률 등, 숲의 경우 예를 들어 트리의 수)에 대한 훈련 매개변수를 찾는 것입니다. 예를 들어, 비정상성을 물리친 후 이 노이즈의 모든 것에서 몇 가지 안정적인 패턴을 찾을 수 있습니다. 여러 교차 검증을 통해 모델을 훈련하기 위한 좋은 매개변수를 찾았습니다.
그 결과 모델은 훈련 데이터와 새로운 데이터(R2 ~ 0.003) 모두에서 매우 작지만 긍정적인 결과를 보여줍니다. 그러나 나는 아직 확산을 이기지 못했다.
나도 이기지 못했고 아직 빛이 없다. 그러나 시스템은 FORTS에서 작동합니다.
여기서 SanSanych는 한 시간 앞서 예측합니다. 그에게 이 퍼짐 - 파.)
분류 문제의 경우 비정상성 문제가 존재하지 않습니다. 회귀 문제의 경우 실제입니다.
예측과 예측을 혼동하지 마십시오. 예측과 예측은 다른 것입니다. 결과 예측 - 신뢰 구간을 나타내는 숫자 값. 분류는 예제가 속한 클래스, 예제가 클래스에 속할 확률 또는 이 예제가 클래스에 속한다는 가설에 대한 지원을 예측합니다.
행운을 빕니다
분류 문제의 경우 비정상성 문제가 존재하지 않습니다. 회귀 문제의 경우 실제입니다.
예측과 예측을 혼동하지 마십시오. 예측과 예측은 다른 것입니다. 결과 예측 - 신뢰 구간을 나타내는 숫자 값. 분류는 예제가 속한 클래스, 예제가 클래스에 속할 확률 또는 이 예제가 클래스에 속한다는 가설에 대한 지원을 예측합니다.
행운을 빕니다
네 말입니까? 이 부조리에 대해 어디에서 읽을 수 있습니까? :)
네 말입니까? 이 부조리에 대해 어디에서 읽을 수 있습니까? :)
무엇이 당신에게 불합리하게 보입니까?
비정상성으로 인해 예측자/타겟 간의 패턴이 변경되고 클래스의 예측이 예측의 경우와 동일한 방식으로 중단된다는 사실
비정상성으로 인해 예측자/타겟 간의 패턴이 변경되고 클래스의 예측이 예측의 경우와 동일한 방식으로 중단된다는 사실
예를 보여줄 수 있습니까? 아니면 추측성 결론인가요?
NN/DNN을 사용한 분류에 대한 광범위한 문헌에는 영향 요인으로 언급된 비정상성이 없습니다. 나의 수많은 실험은 나에게 같은 것을 말해줍니다.
물론, 당신은 이 문제에 대해 자신의 의견을 가질 수 있습니다.
행운을 빕니다
예를 보여줄 수 있습니까? 아니면 추측성 결론인가요?
NN/DNN을 사용한 분류에 대한 광범위한 문헌에는 영향 요인으로 언급된 비정상성이 없습니다. 나의 수많은 실험은 나에게 같은 것을 말해줍니다.
물론, 당신은 이 문제에 대해 자신의 의견을 가질 수 있습니다.
행운을 빕니다
분류 또는 회귀 .. 차이점은 무엇입니까?
딥러닝에 대한 신선하고 좋은 책이 출간되었습니다. 불행히도 rutracker.org에 업로드된 링크를 공개적으로 제공할 수 없습니다.
딥러닝
발행 연도 : 2018
저자 : Nikolenko S. I., Kadurin A. A., Arkhangelskaya E. O.
장르 또는 주제 : 신경망
출판사 : 피터
시리즈 : 프로그래머 라이브러리
ISBN : 978-5-496-02536-2
언어 : 러시아어
형식 : PDF
품질 : 텍스트 인식 오류(OCR)
대화형 목차 : 아니오
페이지 수 : 479