L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2300
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
C'est drôle, bien sûr - trouver la corrélation AUDNZD = AUD/USD / NZD/USD est une tâche trop difficile pour NS.
Bien que peut-être le paquet est si glitchy
Comme pour la table de multiplication, il faut donner plus d'exemples différents.
Dans le cas de la multiplication des forêts, il s 'agira simplement d'une moyenne (par exemple 500) des exemples d'apprentissage les plus proches. La formule exacte ne sera jamais trouvée.
Exemple pour 2 exemples de formation et 2 arbres dans la forêt.
Formé
6*4=24
6*7=42
Si nous demandons au modèle
6*6
elle trouvera le plus proche
6*4=24
6*7=42
Et il calculera
(24+42)/2=66/2=33
Pour 6*5, la réponse sera la même.
Plus il y a de choix intermédiaires différents dans la formation, plus la réponse sera précise.
Oui
)))) alors qu'est-ce que tu veux ?
ajouter des couches cachées
)))) alors qu'est-ce que tu veux ?
Ajoutez des couches cachées.
Quoi, la tâche est si difficile ?
)))) alors qu'est-ce que tu veux ?
Ajoutez des couches cachées.
Il est donc peu probable d'obtenir 99% avec 10 couches.
La tâche est-elle si difficile ?
Quel est le meilleur résultat avec quelle fonction d'activation de la couche de sortie ?
et combien de neurones de sortie ? un seul ?
Quoi, la tâche est si compliquée ?
Non, une couche est primitive, c'est juste une multiplication de poids.
Pour un problème aussi simple, une seule couche, selon la théorie, est suffisante.
Il est donc peu probable que 10 couches représentent 99 %.
C'est votre théorie.
Pour une tâche aussi simple, une seule couche, selon la théorie, est suffisante.
Il est donc peu probable que 10 couches soient précises à 99 %.
si le problème peut être résolu avec une précision de 100 % en fixant manuellement les poids (et les fonctions d'activation), le nombre de couches et de neurones requis est alors minimal. la précision peut être bien moindre.
Je suppose que cette tâche en fait partie.
Nouvelle fonctionnalité permettant de travailler avec l'importance des fonctionnalités
Je vais devoir l'essayer à mon aise.
https://medium.com/bcggamma/gamma-facet-a-new-approach-for-universal-explanations-of-machine-learning-models-b566877e7812