トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 3008

新しいコメント
 
mytarmailS #:

目標をオーバーシュートしたままになっている。

もう合格したよ :) 弱点は近似値で、分離して一般化することができないんだ。しかし、一般的な教育には役に立つ。NSは準有用と実際に有用の区別がない。なぜなら、実際に有用なデータはごく一部だからである。データに有用なものを少し加えればうまくいくだろう。

より効果的な技術革新を追いかけ、それが主流になる前にいち早く応用するか、自分の自転車を走らせるかのどちらかだ。

トランスフォーマーはうまくいかなかった。
 
Maxim Dmitrievsky #:
トランスフォーマーはうまくいかなかった。

待つには年を取りすぎるだろう。

 
mytarmailS #:

待つには年を取りすぎるよ。

私はそれほど期待していない。結局のところ、私はこの話題の停滞と停滞を予測している。ブレークスルーは見えない。暗号と同じで、誇大広告に過ぎない。今は少し儲けて落ち着くだろう。
 
Maxim Dmitrievsky #:
私はあまり期待せず、時々覗いているだけだ。結局のところ、私はこのトピックの停滞と停滞を予測している。ブレークスルーは見えない。暗号と同じように、単なる誇大広告だ。

私は逆の見方をしている。

私は一般的に、強力なAIはとっくに作られていて（私たちのためではないだけ）、暗号業界全体（全世界）が、それを知らずに、その訓練に取り組んでいると信じている。

 
mytarmailS #:

私は逆の考えを持っている。

私は一般的に、強力なAIは（私たちのためではないだけで、）とっくに作られていて、暗号業界全体（全世界）が、それを知らずに、その育成に取り組んでいると考えている。

そこで論理的な疑問が生じる。もしトランスフォーマーであれば、それはAIではないし、これからもできないだろう。
 
Maxim Dmitrievsky #:

賢明じゃない。フォーラムは手がかりになるどころか、邪魔でしかない。私の経験を一般論として述べただけだ。それを聞いた人は、それを受け継ぐことで時間を節約できるだろう。


兆候をオーバーシュートすることは非常に効果のない欠陥のある戦術であり、これはすでに私の公理としてある。IMHOと言いたいところだが、どちらかというと公理に近い。

そして、私には助けが必要だ。コードでチェックするよりも、もっと速く、もっと多くのことを考え出す。

機能を探す必要はありません。機能を選択し、正しく設定する必要があるのです。

 
Aleksey Vyazmikin #:

コードでテストするよりも早く、より多くのことを思いつく。

過剰な機能は必要ない。必要なのは、それらを選択し、正しく設定することだ。

まあ、フィクションでもまったく同じだ。そして、アレクシー・ニコライエフに代表される編集委員会がすべてをカットする。
 
Maxim Dmitrievsky #:
では、論理的な問題は、どのような技術に基づいているかということだ。トランスフォーマーに搭載されているのであれば、それはAIではないし、今後も搭載されることはないだろう。

誰がそう言える？

しかし、携帯電話から発電所に接続された暗号ファームまで、全世界のコンピューティングパワーを必要とするのであれば、テクノゴリアはよほど悪いのだろう...。

しかし、現時点でこれ以上のテクノロジーはない。

 

私には単純で些細なことに聞こえる。

1.私自身、働いてきたし、仕事もしてきた。先生がいて、それにサインを拾う／処理することが必要なのだ。

2.2.mytarmailSが述べて いるように、逆のタスクを設定することができる：サインがあり、それに先生を合わせる／作成する。これには何か気に入らないところがある。私はこの方法には挑戦しない。


現実には、どちらの方法でも同じです：利用可能な教師-特性のペアに対する分類誤差は、標本外で20％を超えてはなりません。しかし最も重要なことは、利用可能な特徴の予測力が将来変化しないか、あるいは弱く変化することを理論的に 証明することです。すべての蒸し返しにおいて、これは最も重要なことである。


なお、私の推論にはモデルの選択は含まれていない。予測能力の安定性は教師-特性ペアの特性だからです。

1.予測能力の安定性は教師-特性ペアの特性です。

2.使用された特徴量の予測能力のばらつきが20％以下であるという実際の証拠を持っている人はいますか？


誰かいますか？それなら議論すべきことがある


ない？それ以外のことは何もない。

 
СанСаныч Фоменко #:

ったな。

1.私自身は働いてきたし、仕事もしてきた：先生がいて、サインを拾う／処理することが必要だ。

2.2.mytarmailSが述べて いるように、逆のタスクを設定することは可能である：属性があり、それらに先生をマッチ/作成する。、、ながらながらながらながらながら南野拓実はのののののののの研究してののの研究してののののの研究してのののの研究して研究すること。その方向に行こうとしているわけではありません。


現実的には、どちらの方法でも同じです：利用可能な教師-属性のペアに対する分類誤差は、標本外で20％を超えてはなりません。しかし最も重要なことは、利用可能な特徴の予測力が将来変化しないか、あるいは弱く変化することを理論的に 証明することです。ーすべてのーすべてのー


ー私のー 私のー私のーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー予測能力の安定性は教師と特性のペアの特性だからです。

1.ー予測能力のーペアののー予測能力のー能力のー能力のー能力のー予測能力のー能力のー能力のー能力がー予測ーー能力のー能力のー予測ーー能力のー能力のー能力のー誤差がーー20％以下である教師-特性ペアをー

2.使用された特徴量の予測能力のばらつきが20%以下であるという実際の証拠をお持ちの方はいらっしゃいますか？


誰かいますか？それなら、議論すべきことがある


ない？ータはータ以外のータ。

教師とは特徴やラベルの集合であって、あなたが書いたようなものではありません :) というか、まったく人間でもなければ、そのデータを生成するアルゴリズムでもありません 😀。

ータをータをータ 😀 モデルのータ 😀 モデルのータ 😀 モデルのータしかし、どの強力なモデルも同じような強力な資質を持っているので、それらの間の選択はすでに無原則です。

むいてむむむら
1...300130023003300430053006300730083009301030113012301330143015...3399
新しいコメント
理由: