L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1525

 
elibrarius:



Commentaire de 7-8 minutes d'un praticien sur notre sujet

IMHO bien sûr, mais Madame ne donne pas l'impression d'être une cfmn, et le programme est à la Malakhov et Cie.

 
Petros Shatakhtsyan:

S'il s'agissait d'auto-optimisation automatique, ce serait plus intéressant que l'apprentissage automatique.

Ou encore, personne ne soulève la question de savoir si un robot auto-apprenant est censé conserver toutes ses connaissances et comment il va les rechercher rapidement. Je ne dis pas qu'avec l'apparition d'un nouveau tic, il doit l'analyser et en tirer de nouveaux enseignements.

C'est-à-dire que c'est un processus sans fin et que le robot ne pourra pas rattraper le temps et s'effondrera à chaque fois dans des situations extraordinaires, ne sachant pas quoi faire.

Pourquoi l'apprentissage automatique n'est-il pas une tâche d'optimisation ? C'est la même chose...

 
Alexandre:

Pourquoi l'apprentissage automatique n'est-il pas une tâche d'optimisation ? C'est la même chose...

L'optimisation est présente à la fois dans les EA standard et dans les EA avec NS, mais dans les EA simples, vous êtes limité par la gamme des paramètres optimisables, et dans les NS par la gamme des poids, qui est de mille ordres de grandeur supérieure à la gamme des paramètres ordinaires optimisables avec le même nombre de paramètres. Ai-je répondu à votre question ?

 
Alexander:

qu'est-ce que l'apprentissage automatique n'est pas une tâche d'optimisation ? c'est la même chose...

Eh bien, il n'y a pas de frontière claire, tout comme il n'y a pas de frontière entre les statistiques classiques et la MO. Mais en général, par "optimisation", nous entendons les méthodes numériques permettant de trouver différents points conditionnels (extrema, etc.). Il s'agit généralement de méthodes itératives approximatives et il existe suffisamment d'algorithmes non itératifs et non approximatifs dans l'IM, par exemple, la régression linéaire. Certains algorithmes de MO sont entraînés par des méthodes d'optimisation, le "recuit", etc. Mais il n'est probablement pas juste de réduire le MO à l'optimisation.
 

Qu'est-ce que de nombreux esprits respectés ont à dire sur cet article ?

Je suis tombé dessus par hasard, j'ai aimé le style d'écriture. Quelle part du contenu est vraie ?

Машинное обучение для людей
  • vas3k.ru
В SkillFactory стартовал набор на новый онлайн-курс, где вы пройдете полный цикл обучения, начиная с изучения Python для анализа данных, классического машинного обучения и заканчивая нейросетями и диплёрнингом. Специальных знаний чтобы начать не потребуется, всему научат на месте. Зачем обучать машины Снова разберём на Олегах. Предположим, Олег...
 

elibrarius:

Commentaire de 7-8 minutes d'un praticien sur notre sujet

La 82ème année de l'URSS


 
Andrey Khatimlianskii:

Qu'est-ce que de nombreux esprits respectés ont à dire sur cet article ?

Je suis tombé dessus par hasard, j'ai aimé le style d'écriture. Dans quelle mesure le contenu correspond-il à la réalité ?

Article très cool, merci de l'avoir trouvé.
L'article révèle très bien ce qui est quoi, avec des explications détaillées et des diagrammes.
J'ai commencé à lire l'article et j'ai déjà compris la direction dans laquelle je dois étudier le matériel pour mon désir de longue date.
Je n'ai pas obtenu de réponse à la question que j'ai posée ici, mais je l'ai trouvée dans l'article.
Je n'ai pas encore fini de lire l'article, mais je sens que je dois le relire plusieurs fois, à des périodes différentes, pour saisir les détails nécessaires.
Et enregistrez la page html dans les archives, juste au cas où.
A votre question "Quelle part du contenu est vraie ?"
C'est en gros la base de la compréhension, qui est écrite dans un langage très clair.
Et il me semble que les esprits locaux, qui essaient d'utiliser les arbres de décision, font fausse route.
Il ressort clairement de l'article que les arbres de décision sont un type de classification.
Ce type est conçu pour prédire la catégorie d'objet, pas pour prédire les nombres.
Je me trompe peut-être, car je ne peux pas connaître la tâche à accomplir.
Là encore, il s'agit de savoir par où commencer et, comme le dit l'article, il existe de nombreuses variétés de types pour résoudre les problèmes.
L'essentiel est de choisir le bon type pour votre tâche.
Alors c'est tout, j'ai continué à lire ;))

 
Récemment, j'ai eu besoin de contacter le support d'un opérateur mobile pour clarifier mes questions.
Naturellement, pour obtenir une réponse rapide, j'ai choisi de participer à une discussion en ligne sur le site Web de l'entreprise de téléphonie mobile, en espérant qu'il y aurait une personne en direct à l'autre bout.
Mais après avoir posé quelques questions et obtenu une réponse, j'ai immédiatement compris que c'était un chatbot qui me répondait, car la question que je lui posais ne pouvait pas être répondue correctement,
et n'arrêtait pas de me demander de clarifier la question.
Une fois de plus, après avoir reçu une telle réponse, je lui ai écrit que vous êtes un bot stupide et inutile.
(Ce à quoi il m'a répondu honnêtement, désolé, je ne faisais qu'apprendre)).

Je viens de me souvenir de ce moment de communication avec le robot).
 
Romain:


Comme le mauvais type a été choisi à l'origine pour la mise en œuvre, comme il ressort clairement de l'article, les arbres de décision appartiennent au type classification.

Pas seulement. Ils peuvent aussi faire de la régression.

 
elibrarius:

Pas seulement ça. Ils peuvent aussi régresser.

OK, je l'ai. La régression sur les arbres étend donc les capacités de la régression ordinaire ?
Et une autre question, la régression et la descente de gradient sont-elles des algorithmes similaires ou différents pour résoudre le problème ?
S'ils sont similaires, quel algorithme est le plus précis ?