Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3086

 
Wow.))), aber ich habe ziemlich gut angefangen.)
 
Andrey Dik #:

Freunde, hallo!

Es gibt eine Schlacht, willkommen, macht mal Lärm!!!

hier gibt es von Anfang an eine Verliereroption, denn Sie haben eine Menge davon in petto, und wir machen binäre Klassifizierung auf die altmodische Art :)

und nicht jede Funktion kann schmerzlos in ein neuronales Netz eingespeist werden.

 
Maxim Dmitrievsky #:

Hier kann man nur verlieren, denn Sie haben eine Menge davon in petto, und wir machen die binäre Klassifizierung auf die altmodische Art :)

und nicht jede Funktion lässt sich problemlos in ein neuronales Netz einspeisen.

Eigentlich ist eine Million Parameter der "große Gleichmacher", der Suchraum ist so groß, dass ich nicht weiß, welcher Algorithmus der Gewinner sein wird. Und was in der Blackbox sein wird, ist unbekannt (oder besser gesagt, es ist bekannt, aber wir müssen den "Schlüssel" finden).

Das macht Spaß, es ist wie einen Safe zu knacken!

 
Andrey Dik #:

In der Tat ist eine Million Parameter der "große Gleichmacher", der Suchraum ist so groß, dass ich nicht weiß, welcher Algorithmus der Gewinner sein wird. Und was in der Blackbox sein wird, ist unbekannt (oder besser gesagt, es ist bekannt, aber es ist notwendig, den "Schlüssel" zu finden).

Das macht Spaß, das ist wie einen Safe zu knacken!

Ich würde später mitmachen, als Denksportaufgabe. Das Wetter ist jetzt zu schön :)
 
Maxim Dmitrievsky #:

und nicht jede Funktion lässt sich problemlos in ein neuronales Netz einspeisen.

Vor drei Jahren kam ein Freund aus dem fernen Australien auf mich zu und sagte: "Lass uns Bitcoin mit einem Algorithmus schürfen! Mach mir ein Ding, das den nächsten Block finden kann. Die Leute generierten die siebte Stelle im Hash, unser Algorithmus war in der Lage, die fünfte Stelle in weniger als einer Stunde zu finden. .... wir waren zu spät.

Und so ist es auch hier. Jemand wird versuchen, aus Interesse an der Meisterschaft teilzunehmen, er wird auf neue glänzende Ideen kommen, und es wird für ihn nützlich sein.

 
Andrey Dik #:

In der Tat ist eine Million Parameter der "große Gleichmacher", der Suchraum ist so groß, dass ich nicht weiß, welcher Algorithmus der Gewinner sein wird. Und was in der Blackbox sein wird, ist unbekannt (oder besser gesagt, es ist bekannt, aber es ist notwendig, den "Schlüssel" zu finden).

Das macht Spaß, es ist wie einen Safe zu knacken!

Es ist keine Frage des Algorithmus, es ist eine Frage der Genetik, des Schwarmverhaltens oder was auch immer.

1) Es ist eine Frage der Zeit und der Stärke des Eisens !!!! Wer mehr Zeit und ein stärkeres Eisen hat, gewinnt.

2) Die erzielten Ergebnisse garantieren in keiner Weise, dass diese bestimmte AO die beste ist, da die beste AO wahrscheinlich durch Zufall zur besten wird (sie hat einfach zufällig das beste Maximum gefunden).

3) Mehr als 20-30 Messungen in einer Funktion sind bereits ein Ratespiel, und bei realen Problemen arbeitet niemand mit AO auf solch riesigen Messungen von einer Million Parameter (Messungen reduzieren).

4) das Problem selbst ist falsch konstruiert, es offenbart in keiner Weise die Besonderheiten von AO, alles ist darauf aufgebaut - wer das Glück hat, das beste Maximum zu finden, gewinnt.


Das Maximum in der Funktion für 10 Iterationen zu finden, ist ein normales Problem, das die Effizienz von AO offenbaren wird, und so werden Probleme in normalen Kreisen gestellt ...

Aber was nützt es, wenn man mit einem Profanen spricht, der sich für einen Experten hält, und sein Freund und Berater ist gpt chat )))

 
mytarmailS #:

Das ist keine Frage des Algorithmus, sondern eine Frage der Genetik, des Schwarmverhaltens oder was auch immer.

1) Es ist eine Frage der Zeit und der Hardware-Power !!!! Wer mehr Zeit und stärkere Hardware hat, gewinnt.

2) Die erzielten Ergebnisse sind keine Garantie dafür, dass diese bestimmte AO die beste ist, da die beste AO höchstwahrscheinlich durch Zufall zur besten wird (es ist einfach passiert, dass er das beste Maximum gefunden hat).

3) Mehr als 20-30 Messungen in einer Funktion sind bereits ein Ratespiel, und in realen Aufgaben arbeitet niemand mit AO an so großen Messungen von einer Million Parametern (Messungen reduzieren).

4) das Problem selbst ist falsch konstruiert, es offenbart in keiner Weise die Besonderheiten von AO, alles ist darauf aufgebaut - wer das Glück hat, das beste Maximum zu finden, gewinnt.


5) Das Finden des Maximums in der Funktion für 10 Iterationen ist ein normales Problem, das die Effizienz von AO offenbaren wird, und so werden Probleme in normalen Kreisen gestellt ...

6) Aber was nützt es, wenn man mit einer profanen Person spricht, die sich für einen Experten hält, und sein Freund und Berater ist gpt chat )))


1. Black Box ist unmöglich, mehr als 10000 zu laufen, dies wurde geäußert. Egal wie leistungsfähig die Hardware ist - es wird nicht helfen.

2. Bei einer Million Parametern kann man nicht zufällig ein nicht zufälliges Ergebnis erhalten, bei einer Zufallssuche werden die Ergebnisse gemittelt. Die Chance, ein Ergebnis zu finden, das besser ist als andere, besteht nur, wenn der Algorithmus besser ist. Um das zu verstehen, muss man ein wenig Wahrscheinlichkeitstheorie beherrschen oder zumindest einige analytische Fähigkeiten besitzen.

3. Bei realen Problemen gibt es Milliarden von Variablen - moderne generative Netze. Im menschlichen Gehirn gibt es mehrere Milliarden Neuronen, und man muss jeden Tag lernen, um zu verstehen, worüber wir hier sprechen.

4. Sie werden kein Glück haben, ich gebe Ihnen 100%.

5. Stochastische Algorithmen beginnen mit Zufallszahlen innerhalb eines akzeptablen Bereichs, je weniger Iterationen, desto zufälliger das Ergebnis. Siehe auch Punkt 2.

6. nicht umsonst bist du geklebt - pateushnik..... militante Unwissenheit.

 
Wo sind die normalen Kreise zu sehen?
 
Матрицы и векторы в MQL5: функции активации
Матрицы и векторы в MQL5: функции активации
  • www.mql5.com
В данной статье мы опишем только один из аспектов машинного обучения - функции активации. В искусственных нейронных сетях функция активации нейрона вычисляет значение выходного сигнала на основе значений входного сигнала или набора входных сигналов. Мы покажем, что находится "под капотом".
 
Andrey Dik #:

Freunde, hallo!

Es gibt eine Schlacht, willkommen, macht mal Lärm!!!

Es lebe die Kolchose!

Lasst uns die Profis beschämen!

https://cran.r-project.org/web/views/Optimization.html

CRAN Task View: Optimization and Mathematical Programming
CRAN Task View: Optimization and Mathematical Programming
  • cran.r-project.org
This CRAN Task View contains a list of packages which offer facilities for solving optimization problems. Although every regression model in statistics solves an optimization problem, they are not part of this view. If you are looking for regression methods, the following views will also contain useful starting points: MachineLearning, Econometrics, Robust The focus of this task view is on Optimization Infrastructure Packages, General Purpose Continuous Solvers, Mathematical Programming Solvers, Specific Applications in Optimization, or Multi Objective Optimization.