L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3314

Nouveau commentaire
 

Wo gpt gives out))))

Quelle est la différence dans l'apprentissage automatique entre l'apprentissage avec un professeur et l'apprentissage sans professeur ?
ChatGPT

L'apprentissage supervisé et l'apprentissage non supervisé sont les deux principales approches de l'apprentissage automatique et se distinguent par quelques aspects clés :

  1. Présence d'étiquettes (cibles) :

    • Apprentissage non supervisé : dans ce type d'apprentissage, les données comportent des étiquettes (cibles) qui représentent les bonnes réponses ou les valeurs cibles. Le modèle est formé sur ces données pour apprendre à prédire la variable cible.
    • Apprentissage non supervisé : contrairement à l'apprentissage supervisé, dans l'apprentissage non supervisé, les données n'ont pas d'étiquettes. Dans ce cas, le modèle tente de trouver la structure des données sans les réponses correctes connues au préalable.

  2. Objectif :

    • Apprentissage avec enseignant : le but principal est de prédire ou de classer la variable cible sur la base des données d'entrée. Ce type d'apprentissage est utilisé lorsqu'une tâche telle que la classification, la régression ou la détection d'anomalies doit être effectuée.
    • Apprentissage non supervisé : l'objectif principal est de détecter des structures ou des modèles cachés dans les données. Ce type d'apprentissage est utilisé pour le regroupement de données, la réduction de la dimensionnalité, l'analyse associative et d'autres tâches liées à l'apprentissage de la structure des données.

  3. Exemples de tâches :

    • Apprentissage avec un enseignant : classification, régression, prédiction, détection de fraudes, détection d'objets, traduction automatique, etc.
    • Apprentissage sans professeur : clustering, réduction de la dimensionnalité (PCA, t-SNE), règle associative, visualisation de données, et bien d'autres.

  4. Évaluation de modèles :

    • Apprentissage avec un enseignant : un modèle est évalué en fonction de sa capacité à faire des prédictions ou des classifications en le comparant à des étiquettes connues. Les évaluations peuvent inclure la précision, la mesure F1, l'erreur RMS et d'autres mesures.
    • Apprentissage sans enseignant : l'estimation est plus difficile car il n'y a pas d'étiquettes connues à comparer. L'évaluation peut être basée sur l'inspection visuelle de la qualité du regroupement, la comparaison avec d'autres algorithmes ou l'analyse par un expert.

Les deux types d'apprentissage ont leurs applications dans l'apprentissage automatique, et le choix entre les deux dépend de la tâche spécifique et des données disponibles. Parfois, des méthodes hybrides sont également utilisées, combinant l'apprentissage avec et sans enseignant pour obtenir de meilleurs résultats.

 
C'est un désastre. Je ne serais pas surpris qu'ils n'aient pas été atteints même après cela.

Dans le contexte de l'apprentissage automatique avec un enseignant, l'enseignant est l'être humain ou le système qui fournit les données étiquetées pour former le modèle. Le partitionnement des données signifie que pour chaque ensemble de données d'entrée, la sortie correspondante est connue.
 
Maxim Dmitrievsky #:
Sanych, quand nous souviendrons-nous que l'Enseignant est signes + cible ?)

Ce n'est donc pas "traits + cible" après tout ?

Score.

 
Forester #:

Ce n'est donc pas "signes + cible" après tout ?

Score.

Lorsque le niveau d'abstraction est nul, on peut aller au fond des choses.
 
Maxim Dmitrievsky #:
Lorsque la pensée abstraite est à zéro, vous pouvez aller au fond des choses.

Cela m'a rappelé la prédiction de Strange concernant la lune,

et ensuite, parce que cela s'est avéré être l'inverse, il a dit que l'acheter, c'est la vendre).

expliquer que le huard n'est pas l'USDCAD, mais le CADUSD.
 
Maxim Dmitrievsky #:
Lorsque le niveau d'abstraction est à zéro, vous pouvez fouiner.

Vous pensiez que vous étiez le seul à avoir le droit de fouiller ?

J'en viens maintenant à la question : quel est le critère d'arrêt pour l'entraînement des réseaux neuronaux en particulier et pour l'apprentissage automatique en général ?

 
Ils sont en colère... Apparemment, c'est l'automne, le temps est mauvais, c'est aggravant....) Je veux du soleil.)
 
Pourquoi ne pas faire la queue et en demander un à la fois ? Ensuite, je les donnerai.
Il y a trop de bouches à nourrir en même temps, je ne peux pas suivre.
 
Maxim Dmitrievsky #:
Pourquoi ne pas faire la queue et en demander un à la fois ? Ensuite, je commencerai à distribuer
.
Il y a trop de bouches à nourrir en même temps, je ne peux pas suivre.

Max, tu es le seul dans ton livre personnel.

Ta propre pensée abstraite ne te dit-elle pas ce que signifie le mot "forum" ?

Ici, il faut savoir se rendre et admettre ses erreurs, c'est-à-dire être en compagnie de personnes dont on ne sait pratiquement rien, mais qui en savent peut-être beaucoup plus que soi.

 
J'ai parlé à Sanych, d'où venez-vous, vous n'avez pas assez d'attention ?
Enseignants :))) parlez entre vous.
1...330733083309331033113312331333143315331633173318331933203321...3399
Nouveau commentaire