Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 494
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Lesen Sie Heikin Neuronale Netze und Bishops Theorie auf Englisch - keine Übersetzung, scheint aber in Vorbereitung zu sein.
Das ist ganz einfach. Zufallsgewinne als Eingabe und Ergebnisse als Ausgabe. Die Monte-Carlo-Methode wird genannt, und sie ist an sich nicht sehr schnell. Und die Systematisierung ist eine Aufgabe des Nationalen Systems.
Gibt es einen speziellen Namen für den NS? Wie ein stochastisches neuronales Netz unbekannten Typs, entweder mit oder ohne Lehrer, und Optimierung der Eingaben statt der Ausgaben :)) Ich werde einige Bücher lesen,
Heikin "NS Complete Course Second Edition" ist auf Russisch erhältlich.
Gibt es einen speziellen Namen für NS selbst? Wie ein stochastisches neuronales Netzwerk, das unklar lernt, mit oder ohne Lehrer, und das die Eingaben statt der Ausgaben optimiert :))) Ich werde Bücher lesen,
Haikin "NS Complete Course Second Edition" ist auf Russisch erhältlich
Heikin ist, Bishop ist nicht auf Russisch erhältlich.
NS ist das übliche MLP, das Training ist das übliche BP, nur mit regelmäßigen manuellen Nachjustierungen auf dem Weg. Wenn keine derartigen Anpassungen vorgenommen werden oder die Stichprobe nur gemischt wird, lernt das System sehr schnell, funktioniert aber nur bei Lernsequenzen gut.
Heikin ist dort, Bishop ist nicht auf Russisch verfügbar.
Das NS ist das übliche MLP, das Training ist das übliche BP, nur mit regelmäßigen manuellen Anpassungen im Verlauf. Wenn man solche Anpassungen nicht vornimmt oder das Sample nur mischt, lernt es sehr schnell, funktioniert aber nur in der Lernsequenz gut (sogar perfekt).
Vorerst begnüge ich mich mit Haykins Werk. Ich habe mich immer auf Artikel und Modellbeschreibungen beschränkt, Bücher sind zu überflüssig (damit genug Platz für den Verkauf ist).
Und Haykin's ist altes Zeug :) bis jetzt werde ich mich damit begnügen, ich habe mich immer auf Artikel und Modellbeschreibungen beschränkt, die Bücher haben eine Menge zusätzliches Material (um ein Volumen zum Verkauf zu haben)
Falsche Aussage. Wälder und Aufschwünge unterscheiden sich in der Extrapolation nicht von NS.
Alle Artikel, auf die ich stoße, sagen das Gleiche
https://habrahabr.ru/company/ods/blog/322534/
http://alglib.sources.ru/dataanalysis/decisionforest.php
Extrapolation ist schwierig für Bäume! - Peter's Statistiken
http://ellisp.github.io/blog/2016/12/10/extrapolation
Random Forest kann keine Vorhersagen außerhalb der Trainingsdaten treffen
https://www.quantopian.com/posts/random-forest-unable-to-predict-outside-of-training-data
Die Random-Forest-Regression liefert keine höheren Vorhersagen als die Trainingsdaten
Alle Artikel, auf die ich stoße, sagen das Gleiche
https://habrahabr.ru/company/ods/blog/322534/
http://alglib.sources.ru/dataanalysis/decisionforest.php
Extrapolation ist schwierig für Bäume! - Peter's Statistiken
http://ellisp.github.io/blog/2016/12/10/extrapolation
Random Forest kann keine Vorhersagen außerhalb der Trainingsdaten treffen
https://www.quantopian.com/posts/random-forest-unable-to-predict-outside-of-training-data
Die Random-Forest-Regression liefert keine höheren Vorhersagen als die Trainingsdaten
Blödsinn wird von ungebildeten Menschen geschrieben. Sie haben noch nie etwas von Übertraining gehört, haben keine Ahnung von Datamining, haben noch nie etwas von Rauschprädiktoren gehört und sind nicht gut im Schätzen von Modellen. Sie sind nur eine Art unreife Snobs, die intellektuelle Spielchen spielen.
Blödsinn wird von ungebildeten Menschen geschrieben. Sie haben noch nie etwas von Umschulung gehört, haben keine Ahnung von Datamining, haben noch nie etwas von Rauschprädiktoren gehört und sind nicht gut im Schätzen von Modellen. Das ist genau die Art von übergroßen Snobs, die Gedankenspiele spielen.
Was hat das alles mit Extrapolation zu tun...
Diejenigen, die RF in die Alglib-Bibliothek geschrieben haben, sind auch ungebildete Menschen?
und r-Blogger sind anscheinend auch lahm
https://www.r-bloggers.com/extrapolation-is-tough-for-trees/
Jeder ist ein Verlierer, außer dem Fußballverband.
nur die FAs wurden unterrichtet.
;))
Jeder ist ein Verlierer, außer dem Fußballverband.
nur den FAs beigebracht worden sind.
;))
So benutzen die Leute RF, ohne die Prinzipien zu verstehen, und sagen dann, dass es nicht funktioniert. Aus dem letzten Artikel geht hervor, dass RF nicht extrapolieren kann, also nur mit bekannten Daten funktionieren sollte.
Aber leider irren sie sich, und das ist nicht nur für "Ignoranten" und Snobs normal, man erinnere sich an Minsky und seine maßgebliche Meinung über die "Sinnlosigkeit" von mehrschichtigen Perseptrons)))
Ich spreche nicht über Artikel auf hubra, es ist das gleiche wie Müll in Foren, 99,9% Werbung naychpop und outright trash 0,1% der vernünftigen Gedanken in impliziter Form "zwischen den Zeilen".der Mann hat ein Beispiel für R gegeben, an welcher Stelle hat er einen Fehler gemacht? leider benutze ich R nicht, aber ich kann es sogar selbst reproduzieren