L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2300
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Divertente, naturalmente - trovare la correlazione AUDNZD = AUD/USD / NZD/USD è un compito troppo difficile per NS.
Anche se forse il pacchetto è così pieno di difetti
Come per la tabella di moltiplicazione, si dovrebbero dare più esempi diversi.
Nel caso della moltiplicazione della foresta, sarà semplicemente una media (ad esempio 500) degli esempi di apprendimento più vicini. La formula esatta non sarà mai trovata.
Esempio per 2 esempi di allenamento e 2 alberi nella foresta.
Addestrato
6*4=24
6*7=42
Se chiediamo al modello
6*6
troverà il più vicino
6*4=24
6*7=42
E calcolerà
(24+42)/2=66/2=33
Per 6*5 risponderà allo stesso modo.
Più diverse sono le scelte intermedie nella formazione, più accurata sarà la risposta.
Sì
)))) allora cosa vuoi?
aggiungere livelli nascosti
)))) allora cosa vuoi?
Aggiungere i livelli nascosti.
Cosa, il compito è così difficile?
)))) allora cosa vuoi?
Aggiungere i livelli nascosti.
Quindi è improbabile ottenere il 99% con 10 strati
Il compito è così difficile?
Qual è il miglior risultato con quale funzione di attivazione dello strato di output?
e quanti neuroni di uscita? uno?
Cosa, il compito è così complicato?
No, uno strato è primitivo, è solo una moltiplicazione di peso.
Per un problema così semplice, uno strato, secondo la teoria, è sufficiente.
Quindi è improbabile che 10 strati siano il 99%.
Questa è la sua teoria.
Per un compito così semplice, uno strato, secondo la teoria, è sufficiente.
Quindi è improbabile che 10 strati siano accurati al 99%.
se il problema può essere risolto con una precisione del 100% impostando manualmente i pesi (e le funzioni di attivazione), allora c'è un numero minimo richiesto di strati e neuroni. meno precisione può essere molto più bassa.
Credo che questo compito sia uno di quelli.
Nuova funzione per lavorare con l'importanza delle caratteristiche
Dovrò provarlo a mio piacimento
https://medium.com/bcggamma/gamma-facet-a-new-approach-for-universal-explanations-of-machine-learning-models-b566877e7812