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 3314

新しいコメント
 

Woのgptが出る))))

機械学習において、教師がいる場合といない場合の違いは何ですか？
ChatGPT

教師あり学習と教師なし学習は、機械学習における2つの主要なアプローチであり、いくつかの重要な点で異なります：

  1. ラベル（ターゲット）の存在：

    • 教師なし学習：このタイプの学習では、データには正解や目標値を表すラベル（ターゲット）がある。モデルは、ターゲット変数の予測方法を学習するために、このデータで学習される。
    • 教師なし学習： 教師あり学習とは異なり、教師なし学習ではデータにラベルがない。教師なし学習では、モデルは正解のないデータから構造を見つけようとする。

  2. 目的

    • 教師あり学習：主な目的は、入力データに基づいて目的変数を予測または分類することである。このタイプの学習は、分類、回帰、異常検出などのタスクを実行する必要がある場合に使用される。
    • 教師なし学習：主な目標は、データ中の隠れた構造やパターンを検出することである。このタイプの学習は、データのクラスタリング、次元削減、連想分析、その他データの 構造を学習するタスクに使用される。

  3. タスクの例

    • 教師による学習：分類、回帰、予測、不正検出、物体検出、機械翻訳など。
    • 教師なし学習：クラスタリング、次元削減（PCA、t-SNE）、連想規則、データの可視化、その他多数。

  4. モデルの評価

    • 教師による学習：モデルは、既知のラベルと比較することで、予測や分類がどの程度できるかで評価される。評価には、精度、F1メジャー、RMSエラー、その他のメトリクスが含まれます。
    • 教師なしの学習：比較する既知のラベルがないため、推定はより困難です。評価は、クラスタリング品質の目視検査、他のアルゴリズムとの比較、または専門家による分析に基づくことができる。

どちらのタイプの学習も機械学習に応用可能であり、その選択は特定のタスクと利用可能なデータに依存する。より良い結果を得るために、教師による学習と教師なしでの学習を組み合わせたハイブリッド手法が使われることもある。

 
災難だったね。その後でも、彼らに届かなかったとしても、私は驚かない。

教師がいる機械学習の文脈では、教師とはモデルを訓練するためにラベル付けされたデータを提供する人間またはシステムのことである。データ分割とは、入力データの各セットについて、対応する出力が既知であることを意味する。
 
Maxim Dmitrievsky #:
サニッチ、いつになったら「ティーチャー」は「サイン＋ターゲット」だということを思い出すんだろう？)

結局、「特徴＋ターゲット」ではないのか。

スコア

 
Forester #:

結局、"サイン＋ターゲット "ではないのか？

点数です。

抽象度をゼロにすると
 
Maxim Dmitrievsky #:
抽象的思考が ゼロになれば、真相を突き止めることができる。

ストレンジの月の予言を思い出した、

そして、それが逆になったので、彼は「買うことは売ることだ」と言った)。

ルーニーがUSDCADではなくCADUSDであることを説明する。
 
Maxim Dmitrievsky #:
抽象度がゼロになれば、突っつくことができる。

どうしたんだ、自分だけが突っついていいと思っていたのか？

さて、本題に入ろう。ニューラルネットワークのトレーニング、特に機械学習全般の停止基準は何だろうか？

 
彼らは怒っている...。どうやら秋のようだ、嫌な天気だ、癪に障る......)太陽が欲しいよ（笑)
 
皆さん、列に並んで1本ずつおねだりしませんか？そしたらあげるよ。
口が多すぎて追いつかないよ。
 
Maxim Dmitrievsky #:
皆さん、列に並んで一度に1つずつおねだりしませんか？そうしたら、 。
口が多すぎて追いつかないよ。

マックス、君の個人的な本には君しか載っていない。

あなた自身の抽象的な思考が、"フォーラム "という言葉の意味を教えているのではないのか？

ここでは、屈服して自分の間違いを認めることができる必要がある。つまり、実質的に何も知らない人たちの仲間になることであり、その人たちは自分の何倍も知っているかもしれない。

 
サニッチと話していたんだが、どこから来たんだ、注意力が足りないのか？
先生同士で話し合ってください。
1...330733083309331033113312331333143315331633173318331933203321...3399
新しいコメント