그는 어떤 종류의 넌센스를 가지고 있으며 결국 그는 어떤 이유로 만 구매하는 법을 배웁니다.
글쎄, 그 자신은 이것이 정상이라고 설명했습니다. 분명한 강세 추세가 있기 때문입니다. 거기에서 한 평론가는 그의 에이전트가 롱 포지션을 선호한다고 말합니다. 그리고 작가 자신이 짧은 이야기에 대해 이야기합니다. 또한 코드에서 그는 시간 경과에 따른 보상 값을 조정하기 위해 감마를 사용하지 않았습니다.
일반적으로 이 기사는 코드에 있는 두 개의 좋은 라이브러리에 대한 링크를 제공한다는 점에서 유용합니다. 하나는 다양한 시장 데이터를 불러오기 위한 것이고, 다른 하나는 데이터에 다양한 지표를 적용하기 위한 것입니다. 내가 직접 가져갔다.
저도 같은 상황입니다. NS 분류기는 종종 하나의 클래스에 속합니다. 수업을 조율해야 합니다. 그러나 나는 한 클래스의 95%와 두 번째 클래스의 5%를 가지고 있습니다. *20줄 볼륨은 원하지 않습니다. 그것은 그 기사와 나는 그것을 이해하는 것과 거의 같습니다.
회귀/예측으로 전환하는 것으로 생각합니다. 실험을 위해 그곳에서 무슨 일이 일어날지 ...
저도 이런 상황에 직면해 있습니다. 기능 선택, 정규화 및 많은 드롭아웃은 모델을 보다 안정적으로 만듭니다. 모든 정렬되지 않은 순수한 시계열 흐름입니다.
어째서인지 나는 수업을 많이 어지럽혔다. 내 경우(ml-assistant) 신호는 단일 숫자[-1,1]로 저장됩니다. 즉, 이론상으로 회귀를 즉시 구축할 수 있지만(역시 잘 작동함) "가독성이 낮은" 예측이 있습니다. 분류를 위해서는 이들을 클래스로 나눌 필요가 있으며, softmax의 개념은 클래스의 합을 1.0으로 동일시하는 것입니다. 그러나 결국 0을 기준으로 단순히 나누는 것이 가장 정확한 것으로 판명되었으며 모델 자체는 대상에 관계없이 클래스의 합을 1로 정규화합니다.
그러나 세 번째 클래스를 추가하면 어떤 이유로 지속적인 재교육이 이루어집니다. 제가 요리를 잘못하고 있는지도 모릅니다. =)
마이클 마르쿠카이테스 : 여보세요!!! 음의 엔트로피의 의미를 정말로 설명할 수 있는 사람이 있습니까? 평범한 말로....
현명한 사람들은 다음과 같이 말합니다.
"네젠트로피 θ는 과거에 대한 기억의 특징적인 양에 의해 결정되는 특정 "구조적" 값에 해당합니다. 큰 θ의 경우 복잡한 계층 구조가 넓은 범위에서 발생하고 작은 θ의 경우 작은 범위의 구조가 발생합니다. θ → 0의 경우, 즉 과거에 대한 정보가 없으면 Markov 프로세스로의 제한적인 전환이 있습니다."
사실, 이것은 프로세스의 비-마르코프적 특성을 특징짓는 양입니다. 왜냐하면 나는 확률 분포 로 작업하기 때문에 이것이 분포의 "꼬리"가 나타나는 원인이라는 것을 알았습니다.
마이클 마르쿠카이테스 : 여보세요!!! 음의 엔트로피의 의미를 정말로 설명할 수 있는 사람이 있습니까? 평범한 말로....
엔트로피는 무질서 또는 혼돈의 척도이고, 네겐트로피(음의 엔트로피)는 품위와 자기 조직화의 척도입니다. 유리에 용해되지 않은 설탕은 최소 엔트로피를 가지며 완전히 용해된 후 시스템은 최대 엔트로피를 갖습니다. 시스템을 원래 상태로 되돌리려면 결정화 조건을 만들기 위해 외부에서 엔트로피를 가져와야 합니다. NS와 관련하여 시스템은 외부의 새로운 정보를 지속적으로 흡수하고 불필요한 정보를 제거해야 합니다. 그렇지 않으면 엔트로피가 증가하여 시스템이 사망하게 됩니다.
엔트로피는 무질서 또는 혼돈의 척도이고, 네겐트로피(음의 엔트로피)는 품위와 자기 조직화의 척도입니다. 유리에 용해되지 않은 설탕은 최소 엔트로피를 가지며 완전히 용해된 후 시스템은 최대 엔트로피를 갖습니다. 시스템을 원래 상태로 되돌리려면 결정화 조건을 만들기 위해 외부에서 엔트로피를 가져와야 합니다. NS와 관련하여 시스템은 외부의 새로운 정보를 지속적으로 흡수하고 불필요한 정보를 제거해야 합니다. 그렇지 않으면 엔트로피가 증가하여 시스템이 사망하게 됩니다.
저는 강화 학습에 대해 여기에 있습니다. 모든 것에 관심이 있습니다. 흥미로운 기사를 찾았습니다. 구매하여 mb를 봇에 연결하려고 합니다.
https://hackernoon.com/the-self-learning-quant-d3329fcc9915
그는 어떤 종류의 넌센스를 가지고 있으며 결국 그는 어떤 이유로 만 구매하는 법을 배웁니다.
저도 같은 상황입니다. NS 분류기는 종종 하나의 클래스에 속합니다. 수업을 조율해야 합니다. 그러나 나는 한 클래스의 95%와 두 번째 클래스의 5%를 가지고 있습니다. *20줄 분량은 필요 없습니다.
그것은 그 기사와 나는 그것을 이해하는 것과 거의 같습니다.
회귀/예측으로 전환하는 것으로 생각합니다. 실험을 위해 그곳에서 무슨 일이 일어날지 ...
강화 학습에 대해 여기 있습니다. 모든 것에 관심이 있습니다. 흥미로운 기사를 찾았습니다. MB를 구매하여 봇에 연결하려고 합니다.
https://hackernoon.com/the-self-learning-quant-d3329fcc9915
그는 어떤 종류의 넌센스를 가지고 있으며 결국 그는 어떤 이유로 만 구매하는 법을 배웁니다.
일반적으로 이 기사는 코드에 있는 두 개의 좋은 라이브러리에 대한 링크를 제공한다는 점에서 유용합니다.
하나는 다양한 시장 데이터를 불러오기 위한 것이고, 다른 하나는 데이터에 다양한 지표를 적용하기 위한 것입니다. 내가 직접 가져갔다.
https://www.quadl.com/tools/python
https://mrjbq7.github.io/ta-lib/
저도 같은 상황입니다. NS 분류기는 종종 하나의 클래스에 속합니다. 수업을 조율해야 합니다. 그러나 나는 한 클래스의 95%와 두 번째 클래스의 5%를 가지고 있습니다. *20줄 볼륨은 원하지 않습니다.
그것은 그 기사와 나는 그것을 이해하는 것과 거의 같습니다.
회귀/예측으로 전환하는 것으로 생각합니다. 실험을 위해 그곳에서 무슨 일이 일어날지 ...
저도 이런 상황에 직면해 있습니다.
기능 선택, 정규화 및 많은 드롭아웃은 모델을 보다 안정적으로 만듭니다. 모든 정렬되지 않은 순수한 시계열 흐름입니다.
어째서인지 나는 수업을 많이 어지럽혔다. 내 경우(ml-assistant) 신호는 단일 숫자[-1,1]로 저장됩니다. 즉, 이론상으로 회귀를 즉시 구축할 수 있지만(역시 잘 작동함) "가독성이 낮은" 예측이 있습니다.
분류를 위해서는 이들을 클래스로 나눌 필요가 있으며, softmax의 개념은 클래스의 합을 1.0으로 동일시하는 것입니다. 그러나 결국 0을 기준으로 단순히 나누는 것이 가장 정확한 것으로 판명되었으며 모델 자체는 대상에 관계없이 클래스의 합을 1로 정규화합니다.
그러나 세 번째 클래스를 추가하면 어떤 이유로 지속적인 재교육이 이루어집니다. 제가 요리를 잘못하고 있는지도 모릅니다. =)
저도 같은 상황입니다. NS 분류기는 종종 하나의 클래스에 속합니다. 수업을 조율해야 합니다. 그러나 나는 한 클래스의 95%와 두 번째 클래스의 5%를 가지고 있습니다. *20줄 분량은 필요 없습니다.
그것은 그 기사와 나는 그것을 이해하는 것과 거의 같습니다.
회귀/예측으로 전환하는 것으로 생각합니다. 실험을 위해 그곳에서 무슨 일이 일어날지 ...
10-12,000개의 샘플 중 ~ 800개는 클래스 1이고 나머지는 클래스 0입니다. 이것이 현실입니다.)
나는 스마트 북에서 교육 시퀀스의 클래스 비율이 현실에 가까워야 한다고 읽었습니다.
10-12,000개의 샘플 중 ~ 800개는 클래스 1이고 나머지는 클래스 0입니다. 이것이 현실입니다.)
나는 스마트 북에서 교육 시퀀스의 클래스 비율이 현실에 가까워야 한다고 읽었습니다.
다른 똑똑한 책에서는 수업이 균형을 이루거나 결합되어야한다고 말합니다.
Forex에서 우리는 일반 인구에 대해 전혀 모르고, 건전한 논리에 따르면 클래스의 요소 수는 대략 다음과 같아야 합니다.
똑똑한 사람의 무작위성에 대한 흥미로운 비디오
여보세요!!! 음의 엔트로피의 의미를 정말로 설명할 수 있는 사람이 있습니까? 평범한 말로....
현명한 사람들은 다음과 같이 말합니다.
"네젠트로피 θ는 과거에 대한 기억의 특징적인 양에 의해 결정되는 특정 "구조적" 값에 해당합니다. 큰 θ의 경우 복잡한 계층 구조가 넓은 범위에서 발생하고 작은 θ의 경우 작은 범위의 구조가 발생합니다. θ → 0의 경우, 즉 과거에 대한 정보가 없으면 Markov 프로세스로의 제한적인 전환이 있습니다."
사실, 이것은 프로세스의 비-마르코프적 특성을 특징짓는 양입니다. 왜냐하면 나는 확률 분포 로 작업하기 때문에 이것이 분포의 "꼬리"가 나타나는 원인이라는 것을 알았습니다.여보세요!!! 음의 엔트로피의 의미를 정말로 설명할 수 있는 사람이 있습니까? 평범한 말로....
엔트로피는 무질서 또는 혼돈의 척도이고, 네겐트로피(음의 엔트로피)는 품위와 자기 조직화의 척도입니다. 유리에 용해되지 않은 설탕은 최소 엔트로피를 가지며 완전히 용해된 후 시스템은 최대 엔트로피를 갖습니다. 시스템을 원래 상태로 되돌리려면 결정화 조건을 만들기 위해 외부에서 엔트로피를 가져와야 합니다. NS와 관련하여 시스템은 외부의 새로운 정보를 지속적으로 흡수하고 불필요한 정보를 제거해야 합니다. 그렇지 않으면 엔트로피가 증가하여 시스템이 사망하게 됩니다.
엔트로피는 무질서 또는 혼돈의 척도이고, 네겐트로피(음의 엔트로피)는 품위와 자기 조직화의 척도입니다. 유리에 용해되지 않은 설탕은 최소 엔트로피를 가지며 완전히 용해된 후 시스템은 최대 엔트로피를 갖습니다. 시스템을 원래 상태로 되돌리려면 결정화 조건을 만들기 위해 외부에서 엔트로피를 가져와야 합니다. NS와 관련하여 시스템은 외부의 새로운 정보를 지속적으로 흡수하고 불필요한 정보를 제거해야 합니다. 그렇지 않으면 엔트로피가 증가하여 시스템이 사망하게 됩니다.
좋은 의견입니다. 정확히.