Cosa inserire nell'ingresso della rete neurale? Le vostre idee... - pagina 59
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
L'apprendimento è un concetto più ampio dell'ottimizzazione e dell'approssimazione. Perché è così difficile?
Ampio, stretto.
Ho una domanda e uno sconcerto in una bottiglia. Intendete davvero continuare a discutere del Ministero della Difesa a culo nudo, cioè senza una minima conoscenza dell'argomento di discussione? :)
Beh, se l'argomento del deep learning per loro è la chat con gpt, cosa ne pensate?
Almeno è più preparato di altri. Molti esperti hanno lavorato sodo.
L'allucinazione non è andata da nessuna parte
Si tratta di un problema noto sui nuovi dati. Come base di conoscenza è abbastanza tollerabile :)
La massima qualità dell'addestramento si ottiene con una memorizzazione assolutamente accurata, cioè quando tutti i dati sono completamente registrati nel database, oppure quando si addestra un albero fino all'ultima divisione o clustering possibile con numero di cluster = numero di esempi.
Gli alberi che smettono di dividersi prima o che si raggruppano con un numero inferiore di cluster generalizzano e uniscono i dati nelle foglie e nei cluster. Si tratta di modelli poco addestrati, ma in presenza di rumore possono avere più successo dei modelli con richiamo esatto.
All'inizio del ramo MO c'è stato un esempio in cui si insegnava a uno scaffold la tabella delle moltiplicazioni. Poiché non gli è stato fornito un numero infinito di scelte possibili per l'addestramento, la foresta produce a volte risposte esatte, ma per lo più risposte approssimative. È chiaro che è poco addestrata. Ma è in grado di generalizzare, trovando e mediando le risposte più vicine a quelle corrette dei singoli alberi.
Con l'apprendimento nel rumore, è difficile valutare la qualità. Soprattutto se il rumore è molto più forte dei modelli, come nel trading.
Per questo si è inventata la valutazione su campioni di convalida e di prova, la convalida incrociata, l'avanzamento, ecc.Quindi, è nata la parola "valutazione".
Quindi, l'apprendimento deve essere valutato in qualche modo, non importa come, l'importante è migliorare la valutazione. Giusto?
Massimizzare la qualità della formazione significa massimizzare la qualità delle previsioni sui nuovi dati. Nessuno è interessato alle previsioni sul campione di addestramento, perché sono già note. Questo non è apprendimento, è approssimazione. L'approssimazione non si chiama apprendimento.
In una situazione di rumore gli operatori radio possono gestire il rumore bianco (o altri rumori naturali appresi), nel trading il rumore cambia continuamente. Quindi è tutto molto complicato per la valutazione della qualità.