지금 저는 Google이 TensorFlow를 2.0으로 업데이트하기를 기다리고 있습니다. python 3.7을 지원하기를 바랍니다. 저는 Google의 모든 것을 좋아하며 이 패키지는 모든 경우에 하나이며 일반적으로 모든 것을 갖추고 있습니다.
예상대로 작성하십시오. 예측 변수가 공개적으로 논의된다면 매우 흥미로울 것입니다. 우리의 경우에도 타겟이 어렵습니다. 돈에 대한 모델에 대한 추가 평가가 있기 때문에 TP와 SL을 고정한 사람들에게 좋고, 다른 경우에는 예측 능력 면에서 좋은 모델이라도 병합 할 수 있습니다. . 어쨌든 나는 모델 평가에서 분류 균형 곡선을 고려하고, 표본 전체에 걸쳐 분류 정확도가 균일 할 것으로 예상하기 때문에 일반적인 균형뿐만 아니라 드로다운 및 기타 기준도 확인합니다.
글쎄요, 저는 아직 파이썬을 설치하지 않았습니다. 파이썬 없이 많은 일을 할 수 있습니다. 계획은 구현해야 할 아이디어로 가득 차 있습니다.
예상대로 작성하십시오. 예측 변수가 공개적으로 논의된다면 매우 흥미로울 것입니다. 우리의 경우에는 대상에 대해서도 어렵습니다. 돈에 대한 모델에 대한 추가 평가가 있기 때문에 고정 TP와 SL을 가진 사람에게 좋고 다른 경우에는 예측 능력 측면에서 좋은 모델이 병합될 수 있습니다. 어쨌든 나는 모델 평가에서 분류 균형 곡선을 고려하고, 표본 전체에 걸쳐 분류 정확도가 균일할 것으로 예상하기 때문에 일반적인 균형뿐만 아니라 드로다운 및 기타 기준도 확인합니다.
글쎄요, 저는 아직 파이썬을 설치하지 않았습니다. 파이썬 없이 많은 일을 할 수 있습니다. 계획은 구현해야 할 아이디어로 가득 차 있습니다.
예측자도 귀하의 것이지만 AutoML 자체 및 머신의 선택 항목에 의해 각각 변환된다는 의미에서
고정되지 않은 시장에서 터무니없는 손으로 전체 데이터 마이닝 루틴을 수행하는 것을 제안하는 일부 기사와 달리
그 통계에 대한 자신의 의견을 반복해서 작성했습니다. 이 접근 방식은 고정되지 않은 시장에서는 작동하지 않습니다(즉, 통계 및 IR 관련 책에 설명된 고전적인 시장).
글쎄, 모든 것을 스스로 발명하는 것은 모두 동일합니다 - 대상 및 예측자. 과훈련된 모델의 구조나 다른 것에 의해 과도하게 훈련된 모델의 징후를 찾는 것에 대한 일종의 연구가 있다고 생각했습니다. 훈련과 테스트 데이터를 사용하여 훈련과 무관한 샘플(또는 반대로 - 확실히 작동하지 않는 모델)에서 작동하는 모델을 찾는 방법을 배우는 것이 중요하지만 여기서 "무엇이 일한다는 뜻이야?" 그리고 그것은 분명하지 않습니다. 그리고 모델 분석을 위한 자동화는 까다로운 비즈니스가 아닙니다. 어쨌든 캣버스트에서는 필요한 모든 것이 다른 파일에 업로드되고 최소한 제 소프트웨어를 사용하여 최소한 MT에서 파싱됩니다.
글쎄, 그것은 모든 것을 스스로 발명하는 것과 같습니다 - target 과 predictors . 과훈련된 모델의 구조나 다른 것에 의해 과도하게 훈련된 모델의 징후를 찾는 것에 대한 일종의 연구가 있다고 생각했습니다. 훈련과 테스트 데이터를 사용하여 훈련과 무관한 샘플(또는 반대로 - 확실히 작동하지 않는 모델)에서 작동하는 모델을 찾는 방법을 배우는 것이 중요하지만 여기서 "무엇이 일한다는 뜻이야?" 그리고 그것은 분명하지 않습니다. 그리고 모델 분석을 위한 자동화는 까다로운 비즈니스가 아닙니다. 어쨌든 캣버스트에서는 필요한 모든 것이 다른 파일에 업로드되고 최소한 제 소프트웨어를 사용하여 최소한 MT에서 파싱됩니다.
아직 달콤한 당근을 먹어보지 않았기 때문에
시간이 지남에 따라 공부하고 공상하지 않으면 도달 할 것입니다. 나는 이미 썼습니다 ..
AI 분야에서 구글이나 딥마인드의 개발팀의 환상과 비교할 때 당신의 환상은 바다에 떨어진 물방울이기 때문입니다. 따라서 준비해야 할
그들이 모델을 이런 식으로 사용해야 한다고 쓴다면 이것이 바로 이것이고 네트워크입니다. 여기에 대해 상상할 것이 전혀 없습니다. 왜냐하면. 이미 발명된 것을 이해할 시간을 갖기 위해
autoML은 전체 프로세스(또는 거의 모든 것)를 자동화하는 예로 인용되었습니다. 이것이 바로 생각의 깊이입니다. 논리적 체인은 초기 메시지에서 시작하여 직선입니다. 막다른 골목으로 자신을 이끌어
예는 일반화의 의미를 설명하기 위해 제공되었으며 지식을 수동으로 할당하는 것이 아닙니다. 심지어 거의 모든 단계에서 기계가 사람보다 더 잘한다고 말합니다.
catboost가 어떻게 작동하는지 이해하고 있는지 의심스럽습니다.
좋아요, 시도해 보세요. 원하시면 말씀하세요. 그리고 가능하다면 내가 선택한 것과 ML을 선택한 것을 비교해 보겠습니다. 추가 노력 없이 가능한 경우입니다.
예, catboost가 어떻게 작동하는지 완전히 이해하지 못하지만 이미 운영에 대한 지식과 경험이 있으며 이 모든 작업에 시간이 걸리므로 포괄적인 이해로 이어집니다. 정보가 부족할 때 처음부터 가져와서 업무에 적용하려고 하면 글쎄요, 이게 편하지 않거든요. 같은 캣버스트라도 다 찾아보고 파고들고 번역해야 하고, 저를 더 잘 이해해주시는 분들이 계시니 다행입니다. 코드에 대한 기술적인 부분을 물어볼 사람이 있습니다.
예, 비슷한 작업을 수행했습니다. 질문은 다시 예측 변수 및 선택 기준(목표)에 있습니다. 이제(수개월 후) 예측자로 모든 아이디어를 끝내고 이 주제로 돌아갑니다. 결과는 일반적으로 이전에 유사한 모델이 작동하는 방식을 게시했지만 다른 모델의 다양한 샘플이 필요합니다.
그리고 이 AutoML은 예측자와 대상으로 무엇을 사용합니까?
음, 대상을 알아야하고 예측 변수가 자동으로 변환되고 모델도 정렬됩니다.
나는 언제 (그리고 만약) 더 자세히 공부할 때 쓸 것이다
지금 저는 Google이 TensorFlow를 2.0으로 업데이트하기를 기다리고 있습니다. python 3.7을 지원하기를 바랍니다. 저는 Google의 모든 것을 좋아하며 이 패키지는 모든 경우에 하나이며 일반적으로 모든 것을 갖추고 있습니다.
음, 대상을 알아야하고 예측 변수가 자동으로 변환되고 모델도 정렬됩니다.
나는 언제 (그리고 만약) 더 자세히 공부할 때 쓸 것이다
지금 저는 Google이 TensorFlow를 2.0으로 업데이트하기를 기다리고 있습니다. python 3.7을 지원하기를 바랍니다. 저는 Google의 모든 것을 좋아하며 이 패키지는 모든 경우에 하나이며 일반적으로 모든 것을 갖추고 있습니다.
예상대로 작성하십시오. 예측 변수가 공개적으로 논의된다면 매우 흥미로울 것입니다. 우리의 경우에도 타겟이 어렵습니다. 돈에 대한 모델에 대한 추가 평가가 있기 때문에 TP와 SL을 고정한 사람들에게 좋고, 다른 경우에는 예측 능력 면에서 좋은 모델이라도 병합 할 수 있습니다. . 어쨌든 나는 모델 평가에서 분류 균형 곡선을 고려하고, 표본 전체에 걸쳐 분류 정확도가 균일 할 것으로 예상하기 때문에 일반적인 균형뿐만 아니라 드로다운 및 기타 기준도 확인합니다.
글쎄요, 저는 아직 파이썬을 설치하지 않았습니다. 파이썬 없이 많은 일을 할 수 있습니다. 계획은 구현해야 할 아이디어로 가득 차 있습니다.
예상대로 작성하십시오. 예측 변수가 공개적으로 논의된다면 매우 흥미로울 것입니다. 우리의 경우에는 대상에 대해서도 어렵습니다. 돈에 대한 모델에 대한 추가 평가가 있기 때문에 고정 TP와 SL을 가진 사람에게 좋고 다른 경우에는 예측 능력 측면에서 좋은 모델이 병합될 수 있습니다. 어쨌든 나는 모델 평가에서 분류 균형 곡선을 고려하고, 표본 전체에 걸쳐 분류 정확도가 균일할 것으로 예상하기 때문에 일반적인 균형뿐만 아니라 드로다운 및 기타 기준도 확인합니다.
글쎄요, 저는 아직 파이썬을 설치하지 않았습니다. 파이썬 없이 많은 일을 할 수 있습니다. 계획은 구현해야 할 아이디어로 가득 차 있습니다.
예측자도 귀하의 것이지만 AutoML 자체 및 머신의 선택 항목에 의해 각각 변환된다는 의미에서
예측자도 귀하의 것이지만 AutoML 자체 및 머신의 선택 항목에 의해 각각 변환된다는 의미에서
그런 다음 실제로 흥미로운 것은 없으며 추가 기능을 제공하는 래퍼일 뿐입니다. :)
그런 다음 실제로 흥미로운 것은 없으며 추가 기능을 제공하는 래퍼일 뿐입니다. :)
일상 을 깨는 것이었습니다.
고정되지 않은 시장에서 터무니없는 손으로 전체 데이터 마이닝 루틴을 수행하는 것을 제안하는 일부 기사와 달리
그 통계에 대한 자신의 의견을 반복해서 작성했습니다. 이 접근 방식은 고정되지 않은 시장에서는 작동하지 않습니다(즉, 통계 및 IR 관련 책에 설명된 고전적인 시장).루틴 을 깨는 것이었습니다.
고정되지 않은 시장에서 터무니없는 손으로 전체 데이터 마이닝 루틴을 수행하는 것을 제안하는 일부 기사와 달리
그 통계에 대한 자신의 의견을 반복해서 작성했습니다. 이 접근 방식은 고정되지 않은 시장에서는 작동하지 않습니다(즉, 통계 및 IR 관련 책에 설명된 고전적인 시장).글쎄, 모든 것을 스스로 발명하는 것은 모두 동일합니다 - 대상 및 예측자. 과훈련된 모델의 구조나 다른 것에 의해 과도하게 훈련된 모델의 징후를 찾는 것에 대한 일종의 연구가 있다고 생각했습니다. 훈련과 테스트 데이터를 사용하여 훈련과 무관한 샘플(또는 반대로 - 확실히 작동하지 않는 모델)에서 작동하는 모델을 찾는 방법을 배우는 것이 중요하지만 여기서 "무엇이 일한다는 뜻이야?" 그리고 그것은 분명하지 않습니다. 그리고 모델 분석을 위한 자동화는 까다로운 비즈니스가 아닙니다. 어쨌든 캣버스트에서는 필요한 모든 것이 다른 파일에 업로드되고 최소한 제 소프트웨어를 사용하여 최소한 MT에서 파싱됩니다.
글쎄, 그것은 모든 것을 스스로 발명하는 것과 같습니다 - target 과 predictors . 과훈련된 모델의 구조나 다른 것에 의해 과도하게 훈련된 모델의 징후를 찾는 것에 대한 일종의 연구가 있다고 생각했습니다. 훈련과 테스트 데이터를 사용하여 훈련과 무관한 샘플(또는 반대로 - 확실히 작동하지 않는 모델)에서 작동하는 모델을 찾는 방법을 배우는 것이 중요하지만 여기서 "무엇이 일한다는 뜻이야?" 그리고 그것은 분명하지 않습니다. 그리고 모델 분석을 위한 자동화는 까다로운 비즈니스가 아닙니다. 어쨌든 캣버스트에서는 필요한 모든 것이 다른 파일에 업로드되고 최소한 제 소프트웨어를 사용하여 최소한 MT에서 파싱됩니다.
아직 달콤한 당근을 먹어보지 않았기 때문에
시간이 지남에 따라 공부하고 공상하지 않으면 도달 할 것입니다. 나는 이미 썼습니다 ..
AI 분야에서 구글이나 딥마인드의 개발팀의 환상과 비교할 때 당신의 환상은 바다에 떨어진 물방울이기 때문입니다. 따라서 준비해야 할
그들이 모델을 이런 식으로 사용해야 한다고 쓴다면 이것이 바로 이것이고 네트워크입니다. 여기에 대해 상상할 것이 전혀 없습니다. 왜냐하면. 이미 발명된 것을 이해할 시간을 갖기 위해아직 달콤한 당근을 먹어보지 않았기 때문에
시간이 지남에 따라 공부하고 공상하지 않으면 도달 할 것입니다. 나는 이미 썼습니다 ..
AI 분야에서 Google 개발 팀의 환상이나 딥마인드의 환상과 같은 환상은 바다에 떨어진 물방울이기 때문입니다. 따라서 준비해야 할
나는 생각의 깊이를 이해하지 못했다. 그들은 그들 스스로 그 소프트웨어를 위해 목표와 예측자가 모두 발명되어야 한다고 썼고, 그렇다면 나는 그것이 별로 의미가 없다고 썼습니다. 개선하고 수정합니다.
성명서의 두 번째 부분에 관해서는 동의하지만 그것이 어떻게 작동하는지 이해하는 것을 선호합니다.
나는 생각의 깊이를 이해하지 못했다. 그들은 그들 스스로 그 소프트웨어를 위해 목표와 예측자가 모두 발명되어야 한다고 썼고, 그렇다면 나는 그것이 별로 의미가 없다고 썼습니다. 개선하고 수정합니다.
성명서의 두 번째 부분에 관해서는 동의하지만 그것이 어떻게 작동하는지 이해하는 것을 선호합니다.
autoML은 전체 프로세스(또는 거의 모든 것)를 자동화하는 예로 인용되었습니다. 이것이 바로 생각의 깊이입니다. 논리적 체인은 초기 메시지에서 시작하여 직선입니다. 막다른 골목으로 자신을 이끌어
예는 일반화의 의미를 설명하기 위해 제공되었으며 지식을 수동으로 할당하는 것이 아닙니다. 심지어 거의 모든 단계에서 기계가 사람보다 더 잘한다고 말합니다.
catboost가 어떻게 작동하는지 이해하고 있는지 의심스럽습니다.
autoML은 전체 프로세스(또는 거의 모든 것)를 자동화하는 예로 인용되었습니다. 이것이 바로 생각의 깊이입니다. 논리적 체인은 초기 메시지에서 시작하여 직선입니다. 막다른 골목으로 자신을 이끌어
예는 일반화의 의미를 설명하기 위해 제공되었으며 지식을 수동으로 할당하는 것이 아닙니다. 심지어 거의 모든 단계에서 기계가 사람보다 더 잘한다고 말합니다.
catboost가 어떻게 작동하는지 이해하고 있는지 의심스럽습니다.
좋아요, 시도해 보세요. 원하시면 말씀하세요. 그리고 가능하다면 내가 선택한 것과 ML을 선택한 것을 비교해 보겠습니다. 추가 노력 없이 가능한 경우입니다.
예, catboost가 어떻게 작동하는지 완전히 이해하지 못하지만 이미 운영에 대한 지식과 경험이 있으며 이 모든 작업에 시간이 걸리므로 포괄적인 이해로 이어집니다. 정보가 부족할 때 처음부터 가져와서 업무에 적용하려고 하면 글쎄요, 이게 편하지 않거든요. 같은 캣버스트라도 다 찾아보고 파고들고 번역해야 하고, 저를 더 잘 이해해주시는 분들이 계시니 다행입니다. 코드에 대한 기술적인 부분을 물어볼 사람이 있습니다.