어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
Download code here: http://pastebin.com/0RJrwspT This is a demonstration of a neural network learning to play an NES game using a genetic algorithm to adapt....
어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
글쎄요, 그것의 본질은 일련의 문장으로 공식화될 수 있습니다. 그게 내가 묻는 전부야.
이제 과제는 주제를 연구하는 것이 아니라 그 양에 대한 예비 평가를 만드는 것입니다. 따라서 나는 말합니다 - 공식화합니다 (이해하는 경우).
최소한 첫 번째 강의를 시청하십시오. 몇 문장으로 불가능합니다. 면적이 너무 큽니다.
"머신 러닝"이라는 개념 아래에서 정확히 무엇을 필요로 하는지 이해하고 싶기 때문에 본질을 공식화하기를 바랍니다.
그들이 강의에서 말할 것은 다른 사람들에 대한 이해입니다. 아마도 알고리즘 거래 커뮤니티에는 특정 기계 학습이 필요합니다.
알고리즘 트레이더가 기계 학습의 넓은 영역에서 구체적으로 필요로 하는 것이 무엇인지 이해하여 관련 없는 영역을 연구하는 시간을 줄이고 불필요한 작업의 솔루션을 우회하는 코드를 제한하여 결과적으로 세트의 올바른 구현을 달성하고 싶습니다. 목표.
"머신 러닝"이라는 개념 아래에서 정확히 무엇이 필요한지 이해하고 싶기 때문에 본질을 공식화하기를 바랍니다.
강의에서 그들이 말하는 것은 다른 사람들에 대한 이해입니다. 아마도 알고리즘 거래자 커뮤니티에는 특정 기계 학습이 필요합니다.
알고리즘 트레이더가 기계 학습의 넓은 영역에서 구체적으로 필요로 하는 것이 무엇인지 이해하여 관련 없는 영역을 연구하는 시간을 줄이고 불필요한 작업의 솔루션을 우회하는 코드를 제한하여 결과적으로 세트의 올바른 구현을 달성하고 싶습니다. 목표.
매우 일반적으로 두 가지 작업이 있습니다.
1) 정성적 특징 선택
징후는 다음과 같습니다.
예를 들어 분석, 지원, 저항, 리바운드, 돌파 등을 좋아합니다.
당신은 이 신호의 프리즘을 통해 시장을 봅니다. 우리는 가격을 스스로 제공하지 않습니다. 우리는 동일한 지지, 저항, 반등, 돌파 등의 신호만 알고리즘에 제공합니다.
그리고 여기 요점이 나옵니다
2) 의사결정 생성
이러한 기호를 "저글링"하는 알고리즘은 최적의 거래 규칙을 만들기 시작합니다. 결정은 그 과정에서 가치가 있는 기호와 좋은 결정을 내리는 데 중요하지 않은 기호를 선택합니다
========================
이러한 올바른 데이터 처리는 작업 자체의 98%입니다.
MO 교육은 2%입니다.
매우 일반적으로 두 가지 작업이 있습니다.
1) 정성적 특징 선택
징후는 다음과 같습니다.
예를 들어 분석, 지원, 저항, 리바운드, 돌파 등을 좋아합니다.
당신은 이 신호의 프리즘을 통해 시장을 봅니다. 우리는 가격을 스스로 제공하지 않습니다. 우리는 동일한 지지, 저항, 반등, 돌파 등의 신호만 알고리즘에 제공합니다.
그리고 여기 요점이 나옵니다
2) 의사결정 생성
이러한 기호를 "저글링"하는 알고리즘은 최적의 거래 규칙을 만들기 시작합니다. 결정은 그 과정에서 가치가 있는 기호와 좋은 결정을 내리는 데 중요하지 않은 기호를 선택합니다
글쎄, 고마워. 사진은 이미 보여지기 시작했습니다.
특별 제출된 현재 기간의 다양한 데이터 변경 사항에 대한 공통 서명의 일종의 수집 및 분석입니다. 알고리즘이 분석되고, 데이터 서명의 통계가 수집되고, 서명의 규칙성과 반복이 검사되고, 시스템 동작에 대한 결정이 생성됩니다.
이 정도?
"머신 러닝"이라는 개념 아래에서 정확히 무엇이 필요한지 이해하고 싶기 때문에 본질을 공식화하기를 바랍니다.
강의에서 그들이 말하는 것은 다른 사람들에 대한 이해입니다. 아마도 알고리즘 거래자 커뮤니티에는 특정 기계 학습이 필요합니다.
알고리즘 트레이더가 기계 학습의 넓은 영역에서 구체적으로 필요로 하는 것이 무엇인지 이해하여 관련 없는 영역을 연구하는 시간을 줄이고 불필요한 작업의 솔루션을 우회하는 코드를 제한하여 결과적으로 세트의 올바른 구현을 달성하고 싶습니다. 목표.
MO의 본질은 데이터 세트를 사용하여 이를 생성하는 유사 모델을 얻는 근사치입니다. 분류의 경우 마크 포인트의 구름에 의해 이들을 분리하는 마스크를 얻을 수 있습니다.
MO의 본질은 데이터 세트를 사용하여 이를 생성하는 유사 모델을 얻는 근사치입니다. 분류의 경우 표시점 구름을 사용하여 표시점을 구분하는 마스크를 얻습니다.
근사는 값의 일반화입니다. 즉, 선택한 범위 내에서 서로 다른 데이터 값을 묶는 것입니까? 다음으로 일정 기간 동안 일부 값의 변화를 요약하는 디지털 모델을 만들 수 있습니다. 이러한 모델을 수집하여 결정 및 조치 선택에 의존할 수 있는 통계를 생성할 수 있습니다.
나는 올바른 방향으로 생각하고 있습니까?
간단히 말해서, -
1. 우리는 필요한 모든 매개변수(데이터)의 값 스트림을 수집하고 링 버퍼 를 통해 구동하는 알고리즘을 만듭니다.
2. 우리는 링 버퍼에 저장된 값의 스트림을 이러한 값의 범위로 이끄는 일반화하는 특수 필터를 통해 전달합니다.
3. 각 매개변수 값의 변경 특성에 대한 일반화된(범위의 도움으로) 디지털 모델이 링 버퍼에 생성되고 적절한 형식으로 기록됩니다.
4. 이 모델은 이러한 모델을 수집하는 통계 알고리즘으로 전송됩니다.
5. 우리는 매개 변수 값의 변경 특성을 포함하는 모델(서명)의 기반을 통해 루프를 만들고 현재 상황에 가장 적합한 모델을 찾습니다.
6. 주어진 서명(모델)에 캡처된 상황에서 시스템의 동작에 대한 결정이 내려집니다.
나중에 더 정확하게 할게요.
어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
하지만 이제 마지막 엿보기는 다음과 같습니다.
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
하지만 난 완전한 멍청이야
그리고 그것은 일반적으로 들썩들썩합니다)))
https://www.youtube.com/watch?v=pgaEE27nsQw
어떤 독성이 보여 클러스터링과 비슷하지만 교사의 경우 맨 처음의 포인트는 말 그대로 기호 또는 수치적 매개변수입니다. 목표 매수 및 앉음, 훈련 전의 포인트는 증가가 있었던 곳을 표시했습니다(매수 ) 및 가을(토), 그리고 알고리즘이 시작되고 기능의 매개변수를 대상별로 분리하는 것은 어리석은 일입니다. 예를 들어 파란색 영역은 구매, 빨간색 영역은 마을 ...
하지만 이제 마지막 엿보기는 다음과 같습니다.
https://www.youtube.com/watch?v=05rEefXlmhI
https://www.youtube.com/watch?v=qv6UVOQ0F44
https://www.youtube.com/watch?v=xcIBoPuNIiw
하지만 난 완전한 멍청이야
내일 이 모든 것을 살펴보겠습니다.
2년 전만 해도 나는 기계 학습과 다소 비슷하다는 생각을 가지고 있었습니다. 나는 그것을 "변경하는 매개변수 값의 디지털 서명 수집"이라고 불렀습니다. 이 기술의 근거를 생각해내고 적어 봤습니다. 항상 다른 주제로 주의가 산만했기 때문에 결코 깨닫지 못했습니다.
내일 나는 이 "서명"의 전체 개념을 설명할 것이고, 당신은 그것이 기계 학습과 얼마나 유사한지 말할 것입니다.
이것이 가까운 것이라면 알고리즘을 만드는 기술은 이미 나에게 명확합니다.