L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1703
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Quando pensi (il tuo intelletto risolve un problema) devi comunicare con qualcuno in quel momento?
Non riesci ancora a togliere di mezzo la tua definizione "verme" di intelligenza, quindi ora stiamo comunicando in lingue diverse
Non vi sembra che una tale richiesta eccessiva di dati sia uno svantaggio? Ho sentito che i NS che riconoscono i segnali stradali si sbagliano se hanno un piccolo adesivo sul lato. Forse questa super-sensibilità non è necessaria?
Questo è un po' diverso. Quando si commette un errore nell'insegnamento, si sta essenzialmente insegnando qualcosa che non si conosce. Ricordate che il NS è come un bambino, ha bisogno di sentirsi dire esattamente quello che volete che faccia. Dopo tutto, il risultato sarà interpretato in termini delle vostre idee sull'apprendimento, e in realtà erano sfumate, come opzione.
Consiglio del giorno. Posizionare i vettori di input come una sfera dall'origine del sistema di coordinate, questo permette l'univocità ed evita l'incoerenza.
Forse la mia comprensione dell'IA è zoppa. Ma, in generale, l'IA è proprio un sistema che interagisce con gli umani. Se l'IA non interagisce con gli esseri umani fornendo un'interfaccia vocale e visiva user-friendly, e lavora in modalità stealth,allora è solo un programma. Non è vero?
SI!!!!!
È esattamente quello che sto dicendo!
L'intelletto è unalgoritmo di scelta auto-modificante, auto-adattamento, trasformazione dell'informazione, come risultato del quale emergono moduli di informazione che non erano precedentemente noti al soggetto e non gli sono entrati in una forma già pronta dall'esterno
Questa non è la ragione, è l'unico modo di pensare conosciuto, e tu la confondi con la ragione.
Lei confonde la sella della bicicletta con la bicicletta stessa e vuole che sia la sella a guidare!
Questo è un po' diverso. Quando si commette un errore nell'insegnamento, si sta essenzialmente insegnando qualcosa che non si conosce. Ricordate che il NS è come un bambino, ha bisogno di sentirsi dire tutto quello che volete che faccia. Dopo tutto il risultato lo interpreterete nel quadro delle vostre idee sull'apprendimento, e in realtà sono sfumate, come una variante.
Suggerimento del giorno. Posizionare i vettori di input sotto forma di una sfera a partire dall'origine del sistema di coordinate, permette di ottenere l'univocità ed eliminare l'incoerenza.
Ok. So che NS è addestrato a cogliere un'invariante ricorrente nei dati. È essenzialmente un approccio statistico. Allora perché un piccolo errore una tantum ha un impatto così significativo nella formazione? Una persona non se ne accorgerà e dimenticherà, ma la formazione della rete si interromperà?
Un errore non è solo un errore. Un piccolo errore può avere un grande impatto.
E alla NS non viene chiesto di raccogliere dati ripetitivi. Gli si chiede di identificare i modelli nascosti per ottenere il giusto risultato in assenza di dati ripetitivi. Comprendere la generalizzazione. Quando abbiamo un dominio finito di dati, ma abbiamo solo il 50% di quei dati. La rete impara e identificando un modello può costruire il resto dei dati che non ha visto. È come ricostruire vecchi filmati con pixel mancanti che la rete elabora da sola.
SI!!!!!
È esattamente quello che sto dicendo!
L'intelletto è unalgoritmo di scelta auto-modificante, auto-adattante, di trasformazione dell'informazione, in seguito all'azione del quale emergono moduli di informazione che non erano precedentemente noti al soggetto e non sono entrati in esso in una forma già pronta dall'esterno
Questa non è la ragione, è l'unico modo di pensare conosciuto, e voi lo confondete con la ragione.
Confondete la sella di una bicicletta con la bicicletta stessa e volete che sia la sella a guidare!
Probabilmente lo aggira, ma lì, nelle gare, il campionamento è stazionario, non ci sono caratteristiche particolarmente schifose, cioè le condizioni non sono quelle con cui lavoriamo, e sto solo pensando a come preparare al meglio i dati tenendo conto di queste caratteristiche. (La soluzione non è ancora in forma definitiva, ma è un compito importante).
I diversi modelli di costruzione degli alberi sono buoni, ma al momento non possono essere caricati in un file separato, e quindi non possono essere incorporati nell'Expert Advisor, il che è male.
Ti ho dato un link per visualizzare le suddivisioni dai dati JOT. Qui è dove il modello completo viene scaricato in un file. Poi gli split vengono letti da esso.
Non mi piace la mancanza di postprocessing nel boosting - quando dopo l'addestramento il modello viene semplificato scartando gli alberi deboli. Non capisco perché non lo fanno.
Nel boosting, per definizione, tutti gli alberi sono importanti. Ogni successivo perfeziona tutti i precedenti. Se si butta via un albero nel mezzo, tutti quelli che seguono lavoreranno con dati errati - si dovrebbe riqualificarli senza tener conto dell'albero buttato via. Il primo albero replicherà molto da vicino l'albero scartato.
Le foglie dei singoli alberi nel boosting sono deboli - piccola completezza - meno dell'1% ed è brutto che questo parametro non possa essere regolato,
Sì. Le foglie individuali del bunting sono incomplete, perché sono integrate dalle risposte delle foglie di altri alberi raffinatori. E solo le risposte cumulative, ad esempio 100 alberi, danno la risposta corretta.
Cercare di ottenere qualcosa di valido da una sola foglia del modello boosting è impossibile.
Tutte le 100 risposte di 100 alberi sono sommate nel boosting, ognuno dà per esempio 0,01 in totale = 1. Il valore di 1 foglia = 0,01 - cosa vuoi ottenere da questo? Non c'è niente. Solo la somma di 100 foglie darà la risposta corretta.
Infatti, lì il 1° albero è forte e dà per esempio 0,7, il resto porta la somma più vicina a 1. Se solo le foglie del primo albero sono considerate separatamente, ma penso che siano più deboli di qualsiasi albero della foresta casuale, a causa della loro minore profondità.
La foresta casuale ha una media, ad esempio ogni foglia di 100 alberi = 1, la media anche = 1. In esso, le volpi sono complete, ma con variazioni casuali. Ma una folla di 100 risposte, dà una media come risposta ragionevolmente accurata.
Come un vero commerciante ho preso due alci e ho fatto ricablare il mio modello. Il commercio non è un business gratificante :-)
Non sono confuso. Ho separato chiaramente il programma sugli algoritmi convenzionali, sulle reti neurali, l'IA e l'intelligenza.
Mi arrendo ...