Joe Joe 7,987 10 10 gold badges 50 50 silver badges 110 110 bronze badges
stackoverflow.com
How to convert Parquet to CSV from a local file system (e.g. python, some library etc.) but WITHOUT Spark? (trying to find as simple and minimalistic solution as possible because need to automate everything and not much...
スリムキーボード＋タッチ、どちらか一方に欠点が出る
これは確かに欠陥がありますね。
市場や参加者、そのアルゴリズムは時代とともに変化します。一度鍛えた安定したシステムを期待するのはおかしい。週1回、または毎日再トレーニングを行う（木曜日は速い）。
これは哲学的な質問です :)
市場の変化の速さを理解する必要があります。再トレーニングの頻度はそれによって異なりますが、それをどのように測定するのでしょうか？
マーケットは様々な素養で成り立っていて、そのセットは限られていて、その素養を見極めて儲けるためのモデルだけを教えているのだと思います。
なぜ、既成概念にとらわれないものが嫌いなんですか？ 実際には、MKLとPythonの通信を担当する部分（ZeroMQ）だけが必要です。
グッドラック
知りませんでした))ありがとうございます!
ただ、1次元の畳み込みでできるのに、なぜ絵で複雑にするのかがよくわからないのですが......。:) 画像は行の情報を追加するものではありません。
そうですね、特徴ベクトルを行列に変換して畳み込みに与えてもあまり変わりませんね（確認済み）) 私の場合は、畳み込みネットワークの 特性を最大限に利用して、ローカルテンプレートを見つけて利用することを考えています。これらのパターンは平行移動に対して不変であり、多層コンボリューションによって画像内の異なる場所に同じパターンを見つけることができる。同じアーキテクチャで、中間的で積極的な特徴マップの削減を行うことで、異なるコンボリューション層におけるテンプレート間の階層を形成することができます。 そこで、私は、コンボリューションがこれらのテンプレートを見つけることができるような、引用のグラフィック解釈を見つけようとしているのです。
そうですね、特徴ベクトルを行列に変換して畳み込みに与えてもあまり変わりませんね（確認済み）) 私の場合は、局所的なパターンを探して利用するという畳み込みネットワークの特性を最大限に利用しようということです。これらのパターンは転送不変であり、多層コンボリューションは画像内の異なる場所にある同じパターンを見つけることができる。同じように、中間的な積極的な特徴マップ還元を行うアーキテクチャでは、異なるコンボリューション層でテンプレート間の階層を形成することができます。 そこで、コンボリューションがこれらのテンプレートを見つけることができるような引用のグラフィカルな解釈を見つけようとしているのです。
また、ベクトルを行列に変換するにはどうすればよいのでしょうか？
そうですね、特徴ベクトルを行列に変換して畳み込みに与えてもあまり変わりませんね（確認済み）） 私の場合は、ローカルテンプレートを探して利用するという畳み込みネットワークの特性を最大限に利用しようという考えです。これらのパターンは平行移動に対して不変であり、多層コンボリューションによって画像内の異なる場所に 同じパターンを見つけることができる。同様に、中間的な積極的な特徴マップ還元を行うアーキテクチャでは、異なるコンボリューション層上のテンプレート間で階層を形成することができます。 そこで、コンボリューションがこれらのテンプレートを見つけることができるような引用のグラフィカルな解釈を見つけようとしているのです。
ちなみに。チャートのいろいろな場所にパターンを探すのは正しいことなのでしょうか？
違うと思います。
例えば、20ポイントで何らかのパターンを発見し、その後に買うべきと判断した場合。そして、このパターンが0-mバーではなく、20-50-200本前のもので、買うには遅すぎる場合は、売るべきでしょう。逆の 方が見つけて買ってくれる。そのパターンが示されたチャートの部分にあったかどうかを答えることになる。ただし、チャートの右側、つまり0本目のバーからしかパターンを探すべきではありません。
つまり、畳み込みネットは引用符を扱うのには向いていないことがわかったのです。0本目の小節以外の場所にパターンが現れると、採算を度外視してしまうことになる。
やろうと思っていたんですが、気が変わったんです。チャートが100点で、パターンが20点の場合。すると、畳み込み網はここにパターンがあると80回信号を出すのです!!!
そうですね、特徴ベクトルを行列に変換して畳み込みに与えてもあまり変わりませんね（確認済み）) 私の場合は、局所的なパターンを探して利用するという畳み込みネットワークの特性を最大限に利用しようということです。これらのパターンは転送不変であり、多層コンボリューションは画像内の異なる場所にある同じパターンを見つけることができる。また、中間的なアグレッシブフィーチャーマップリダクションを用いたアーキテクチャでは、異なるコンボリューションレイヤー上のテンプレート間に階層を形成することができます。 そこで、私はコンボリューションがこれらのテンプレートを見つけることができるような引用のグラフィック解釈を見つけようとしているのです。
リカレンスプロットを試してみてはいかがでしょうか。したのですが、うまくいかず、また遅くなってしまいました。
リカレンスプロットを試してみてはいかがでしょうか。したのですが、うまくいかず、また遅いんです。
あるいは逆変換による系列分解、PCAなど......。
を使えば、その系列を原子に分解して組み立てることができます。
以下は、100のウィンドウに表示される最初の2つのコンポーネントです。
2と3の部品はこちら
以下は3、4成分です。
30と31の部品はこちら
そうすれば、100まで分解できる、カッコイイもの...。
新しいデータで、ラグもなく...。
......
......
.....
はぁ...ほとんどの人は、私が何を言っているのか全く理解できなかった )))) たぶん)))
または系列分解、逆変換を伴うPCAなど......。
このシリーズは霧状にして組み立てることができます。
以下は、ウィンドウ100の最初の2つのコンポーネントです。
2と3の部品はこちら
以下は3、4成分です。
30と31の部品はこちら
そうすれば、100まで分解できる、カッコイイもの...。
新しいデータで、ラグもなく...。
......
......
.....
はぁ...ほとんどの人は、私が 何を言っているのか全く知らない )))))
それは確かです。ほとんどは、あなたの言っていることがまったく理解できなかっただけです。まあ、そういうことなんでしょう。
紆余曲折を経て、「ノニウス・トラッキング・システム」という、よく知られ、広く実用化され、実績のある構造に行き着いたのですね。そして、まだ完全ではないものの、大まかなことは理解できたのではないでしょうか。