Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3086

 
Maxim Dmitrievsky #:

es un perder-perder aquí, porque usted tiene un montón de ellos en la manga, y estamos haciendo la clasificación binaria de la manera antigua :)

y no todas las funciones pueden ser alimentadas sin dolor a una red neuronal.

En realidad, un millón de parámetros es el "gran igualador", el espacio de búsqueda es tan grande que no sé qué algoritmo será el ganador. Y no se sabe qué habrá en la caja negra (o más bien se sabe, pero hay que encontrar la "llave").

Es divertido, ¡es como abrir una caja fuerte!

 
Andrey Dik #:

De hecho, un millón de parámetros es el "gran ecualizador", el espacio de búsqueda es tan grande que no sé qué algoritmo será el ganador. Y lo que habrá en la caja negra se desconoce (o mejor dicho, se sabe, pero es necesario encontrar la "llave").

Es divertido, ¡es como abrir una caja fuerte!

Yo me uniría más tarde, como ejercicio cerebral. Ahora hace demasiado buen tiempo :)
 
Maxim Dmitrievsky #:

y no todas las funciones se pueden alimentar sin dolor a una red neuronal.

hace un par de tres años, un amigo de la lejana australia se me acercó y me dijo, ¡vamos a minar bitcoin con un algoritmo! hazme una cosa que pueda encontrar el siguiente bloque. la gente estaba generando el 7º dígito en el hash, nuestro algo era capaz de encontrar hasta el 5º dígito en menos de una hora.... Llegamos demasiado tarde.

Y así es aquí. alguien intentará participar en el campeonato por interés, se le ocurrirán nuevas ideas brillantes, y le será útil.

 
Andrey Dik #:

De hecho, un millón de parámetros es el "gran ecualizador", el espacio de búsqueda es tan grande que no sé qué algoritmo será el ganador. Y lo que habrá en la caja negra se desconoce (o mejor dicho, se sabe, pero es necesario encontrar la "llave").

Es divertido, ¡es como abrir una caja fuerte!

No es una cuestión de algoritmo, es una cuestión de genética, o de enjambre, o de lo que sea.

1) Es una cuestión de tiempo y poder del hierro !!!! quien tenga más tiempo y un hierro más fuerte ganará.

2) los resultados obtenidos no garantizan de ninguna manera que esta AO en particular sea la mejor, ya que es probable que la mejor AO se convierta en la mejor por casualidad (acaba de encontrar el mejor máximo).

3) más de 20-30 mediciones en una función ya es un juego de adivinanzas y en los problemas reales nadie trabaja con AO en mediciones tan enormes de un millón de parámetros (las mediciones se reducen).

4) el problema en sí está construido incorrectamente, no revela las peculiaridades de AO de ninguna manera, todo está construido sobre - quien tenga la suerte de encontrar el mejor máximo gana.


Encontrar el máximo en la función para 10 iteraciones es un problema normal, que revelará la eficiencia de AO, y así es como los problemas se establecen en los círculos normales ...

Pero lo que es bueno cuando se habla con un profano que piensa que es un experto, y su amigo y consejero es gpt chat )))

 
mytarmailS #:

No es una cuestión de algoritmo, es una cuestión de genética, enjambre, lo que sea.

1) Es una cuestión de tiempo y potencia de hardware !!!! ganará quien tenga más tiempo y un hardware más potente.

2) los resultados obtenidos no garantizarán que esta OA en particular sea la mejor, ya que la mejor OA se convertirá en la mejor muy probablemente por casualidad (simplemente sucedió que encontró el mejor máximo).

3) más de 20-30 mediciones en una función ya es un juego de adivinanzas y en tareas reales nadie trabaja con AO en mediciones tan enormes de un millón de parámetros (las mediciones se reducen).

4) el problema en si esta construido incorrectamente, no revela las peculiaridades de AO de ninguna manera, todo esta construido sobre - quien tenga la suerte de encontrar el mejor maximo gana.


5) Encontrar el máximo en la función para 10 iteraciones es un problema normal, que revelará la eficiencia de AO, y así es como los problemas se establecen en los círculos normales ...

6) Pero lo que es bueno cuando se habla con un profano que piensa que es un experto, y su amigo y consejero es gpt chat )))


1. Caja negra es imposible ejecutar más de 10000, esto ha sido expresado. No importa qué tan poderoso hardware se utiliza - no va a ayudar.

2. No se puede obtener un resultado no aleatorio por casualidad en un millón de parámetros, en una búsqueda aleatoria los resultados se promedian. La posibilidad de encontrar un resultado mejor que otros sólo existe si el algoritmo es mejor. Para entender esto necesitas saber un poco de teoría de probabilidades o al menos tener cierta capacidad analítica.

3. En los problemas reales hay miles de millones de variables - redes generativas modernas. En el cerebro humano hay varios miles de millones de neuronas y hay que aprender cada día a entender de qué estamos hablando aquí.

4. No tendrás suerte, te doy el 100%.

5. Los algoritmos estocásticos comienzan con números aleatorios dentro de un rango aceptable, cuantas menos iteraciones, más aleatorio será el resultado. Adicionalmente ver punto 2.

6. no en vano estás pegado - pateushnik..... ignorancia militante.

 
Dónde buscar círculos normales
 
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 #:

Amigos, ¡hola!

Hay una batalla, bienvenidos, ¡¡¡hagan ruido!!!

¡Viva la granja colectiva!

¡Avergoncemos a los profesionales!

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.
 
СанСаныч Фоменко #:

¡Viva la granja colectiva!

¡Avergoncemos a los profesionales!

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

Venga por todos los medios, ya que hay integración de R con MT5, será interesante ver lo buenas que son las herramientas.

No hay que avergonzar a nadie, el que mejor resuelva el problema es el mejor.

 
СанСаныч Фоменко #:

¡Viva la granja colectiva!

¡Avergoncemos a los profesionales!

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

y esto es sólo el 2-5% de lo que está disponible en la optimización en R ...

Pero aquí el amor kolkhoz y defenderá su punto de vista al infierno ... fuck them....