국회 업무에 대한 "구체적인" 투입물의 기여도를 실질적으로 어떻게 평가할 것인가?
정확히 금요일은 아니지만...
NS, any, 입력 A={A1, A2, .... A20}이 있습니다. 우리는 NN을 훈련하고 만족스러운 결과를 얻습니다. 이 결과에 대한 입력 A1, A2, ... A20의 각 요소의 기여도를 실제로 어떻게 평가합니까?
내 마음에 온 옵션 :
1) 네트워크를 통과하는 요소의 모든 가중치를 어떻게든 합산하고 계산합니다. 이 작업을 수행하는 방법이 완전히 명확하지 않은 경우 네트워크 작동에 몰입해야 하고, 어딘가에서 일부 계수를 계산하는 등의 작업을 해야 합니다.
2) 어떻게든 "0"을 시도하거나, 예를 들어 입력 벡터의 요소를 뒤집어 최종 결과에 어떤 영향을 미치는지 확인하십시오. 그가 멈출 때까지.
그러나 이 두 번째 옵션을 구현하기 전에 상담하기로 결정했습니다. 나보다 그 주제에 대해 더 오래 생각한 사람이 있을까? 책자 추천해주실 분 계신가요?
또는 이 입력을 제외하고 입력 없이 훈련을 시도할 수 있습니다. 결과가 거의 동일하면 실제로는 아니며 필요한 요소가 제외되었습니다. :)
또는 이 입력을 제외하고 입력 없이 훈련을 시도할 수 있습니다. 결과가 거의 동일하면 필요한 요소가 제외되었습니다 :)
여기 그림은 다음과 같습니다. 이 접근 방식은 훈련 방법 또는 오히려 절대 최대값을 찾는 훈련 능력에 크게 의존합니다. 예를 들어, 나는 이것에 대한 환상이 없습니다. GA의 도움으로 300개의 네트워크 가중치를 훈련하여 찾지 못할 것이라고 확신합니다. 따라서 일부 로컬 최대값이지만 나에게 적합합니다. 무엇인가를 배제함으로써 나는 더 나쁜 것이 아니라 다른 버전의 국회의 일이라는 결과를 얻을 수 있다. 이제 LSM을 통해 NN을 훈련할 수 있다면 유일한 올바른 솔루션을 찾으십시오. 그러면 그것이 바로 제가 했을 것입니다.
어쨌든 내 작업은 다릅니다. 신경망이 있고 입력이 있고 학습 결과가 있고 최종 결과에 대한 입력의 각 요소의 영향 정도를 찾아야 합니다.
여기 그림은 다음과 같습니다. 이 접근 방식은 훈련 방법 또는 오히려 절대 최대값을 찾는 훈련 능력에 크게 의존합니다. 예를 들어, 나는 이것에 대한 환상이 없습니다. GA의 도움으로 300개의 네트워크 가중치를 훈련하여 찾지 못할 것이라고 확신합니다. 따라서 일부 로컬 최대값이지만 나에게 적합합니다. 무언가를 배제함으로써 나는 더 나쁜 것이 아니라 국회와 다른 방식으로 일하는 결과를 얻을 수 있습니다. 이제 LSM을 통해 NN을 훈련할 수 있다면 유일한 올바른 솔루션을 찾으십시오. 그러면 그것이 바로 제가 했을 것입니다.
어쨌든 내 작업은 다릅니다. 신경망이 있고 입력이 있고 학습 결과가 있고 최종 결과에 대한 입력의 각 요소의 영향 정도를 찾아야 합니다.
그런 다음 옵션 2. 그러나 아마도 재설정 또는 반전되지는 않지만 임의의 것으로 교체합니다(노이즈).
무작위(노이즈)로 대체
또 다른 옵션은 1개의 입력, 2개의 입력, 3개의 입력 등으로 모든 네트워크를 통과하는 것입니다. :-)
여기, 방금 이것에 대해 생각했습니다 ... 우리는 어떻게 든 입력의 상호 연결, 즉 그룹의 입력도 제외하거나 포함합니다.
결과는 매우 흥미로운데 어떻게 해석해야 할지 모르겠음)
1~5개 입력의 다양한 조합을 제외하고 실험을 시작했습니다. 결과는 매우 흥미롭지만 아직 해석하는 방법조차 모릅니다) 일부 결과는 너무 의외입니다... 순무를 긁는 데 오랜 시간이 걸릴 것입니다.
놀라움은 무엇입니까???
각 입력의 영향 정도를 현실적으로 평가 하는 것은 거의 불가능합니다. 모든 종류의 수학 공식이 있으며 특수 프로그램에서는 영향의 정도를 자동으로 계산할 수 있습니다. 그러나 이러한 모든 계산은 큰 오류를 수반할 수 있기 때문에 실제로 거의 말하지 않는 특정 조건부 값일 뿐입니다.
경험에 따르면 이것은 어떤 상품이 다른 상품에 더 큰 영향을 미치는지(다중 통화 진입에 대해 이야기하는 경우) 자신의 경험을 통해 알고 있는 거래자에 의해서만 결정될 수 있습니다.
우리가 거래하는 동일한 도구에서 지표를 입력으로 선택하는 것에 대해 이야기하면 다양한 지표에서 입력을 선택해도 신경망의 출력 결과에 거의 영향을 미치지 않습니다. 왜냐하면 신경망은 매우 비선형이므로 입력이나 macd 또는 다른 것에서 스토캐스틱이 무엇인지 실제로는 상관하지 않습니다. 즉, 확실히 약간의 차이가 있지만 기본이 아니거나 거의 눈에 띄지 않으며 결과에 실질적으로 영향을 미치지 않습니다.
정확히 금요일은 아니지만...
NS, any, 입력 A={A1, A2, .... A20}이 있습니다. 우리는 NN을 훈련하고 만족스러운 결과를 얻습니다. 이 결과에 대한 입력 A1, A2, ... A20의 각 요소의 기여도를 실제로 어떻게 평가합니까?
내 마음에 온 옵션 :
1) 네트워크를 통과하는 요소의 모든 가중치를 어떻게든 합산하고 계산합니다. 이 작업을 수행하는 방법이 완전히 명확하지 않은 경우 네트워크 작동에 몰입해야 하고, 어딘가에서 일부 계수를 계산하는 등의 작업을 해야 합니다.
2) 어떻게든 "0"을 시도하거나, 예를 들어 입력 벡터의 요소를 뒤집어 최종 결과에 어떤 영향을 미치는지 확인하십시오. 그가 멈출 때까지.
그러나 이 두 번째 옵션을 구현하기 전에 상담하기로 결정했습니다. 나보다 그 주제에 대해 더 오래 생각한 사람이 있을까? 책자 추천해주실 분 계신가요?