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 3374

新しいコメント
 
СанСаныч Фоменко #:

少し前の記事で、NSは表形式のデータには不向きで、画像やテキストの解析に適している、と論じていた。


形式的にはほとんど証明できないが、ずっと当然のことのように思って いた。

最近、私はMOに関するSHADの教科書でこの記述を見たが、そこでは、最新のディープ・ネットワークは表形式データではツリー・ブースティングよりも悪くないと（確認はしていないが）述べられていた。

 
つまり、データをテーブルに書き込めば、表形式になるということか？)
 
Maxim Dmitrievsky #:
つまり、データを表に書き込めば表形式になるのか)
表には書き込めるが行列には書き込めない場合)
 
Maxim Dmitrievsky #:
つまり、データを表にすれば表形式になるということですか（笑)。

まさに「鐘の音が聞こえたが、それがどこにあるのかわからない」ということなのだ。

100パーセント、二重翻訳と比較的古い命名規則の驚異である。

本来は、表形式のデータ（記憶された、あらかじめ計算された、あらかじめ分かっている）のことである。Tabularとtabulatedはよく混同される。

 
最初は生のデータについてだ。すぐに表形式になるか、決して表形式にならないかのどちらかだ)
 
Maxim Dmitrievsky #:
最初は生のデータについてだ。すぐに表形式になるか、表形式にならないかのどちらかだ。）

表は視覚的な表現方法です。それ以上ではありません。

そして当初は、「どこかで読んだか聞いたかした覚えがある」というような、まったく何もない状態だった。

 
電話から、メッセージに返信するボタンがない。ニューラルネットワークは、最初は表形式のデータでより悪いパフォーマンスを発揮する。コツをつかむしかない。

あ、メッセージをクリックするとボタンが表示されるようになりました。
 
Maxim Dmitrievsky #:
電話から、メッセージに返信するボタンがない。ニューラルネットワークは、最初は表形式のデータでより悪いパフォーマンスを発揮する。ただ、コツをつかむだけの問題だ。

メッセージをクリックするとボタンが表示されるようになりました。

最初は表形式のデータ：

x; y ; h ; s ; v ；

 
Maxim Kuznetsov #:

最初は表形式のデータ：

x; y ; h ; s ; v ；

当初はピクセルの行列であり、データは表形式ではなく均質である。NSにとって、これは良いことだ。これはNSにとって良いことだ。
 
Maxim Dmitrievsky #:
最初はピクセルのマトリックスで、データは表形式ではなく均質だ。NSにとっては好都合だ。ここがブースティングに勝るところだ。

離散データは表として提示される。

T.O.ではない？

では、表データ／非表データとは何なのか......。表形式とは、YがXにのみ依存する直線的なメトリックのことですか？ それなら、それはまったく機能しません。

1...336733683369337033713372337333743375337633773378337933803381...3399
新しいコメント