영어 서신을 읽으십시오. 어려움이 있습니다. TS #1 의 질문을 읽고 바로 아이디어가 떠오른 Vapnik은 첫 번째로 살아있고, 두 번째로 머신 러닝과 관련하여 경험적(평균) 위험을 최소화하는 아이디어를 개발했습니다. 지원 벡터 머신에 대한 신경망의 비선형 버전은 이 대응에서 논의됩니다. 위키:
Vladimir Vapnik 과 Alexei Chervonenkis 가 1963년에 제안한 최적의 분리 초평면 구성 알고리즘은 선형 분류 알고리즘입니다. 그러나 1992년 Bernhard Boser, Isabelle Guyon 및 Vapnik은 스칼라 곱에서 임의의 커널로의 전환, 이른바 커널 트릭( M. A. Aizerman , E. M. Braverman 및 잠재적 기능 방법에 대한 L. V. Rozonoer), 이를 통해 비선형 분리기를 구축할 수 있습니다. 결과 알고리즘은 위 공식의 각 스칼라 곱이 비선형 커널 함수(고차원 공간의 스칼라 곱)로 대체된다는 점만 제외하면 선형 분류 알고리즘과 매우 유사합니다. 이 공간에는 최적의 분리 초평면이 이미 존재할 수 있습니다.
Maxim Dmitrievsky는 Vapnik이 추구하는 목표에 매우 근접한 목표를 설정한 것 같습니다. 근사 함수의 선택(및 선택)을 위한 기초를 찾아야 하는 것은 Vapnik입니다.
Vladimir : 영어 서신을 읽으십시오. 어려움이 있습니다. TS #1 의 질문을 읽고 바로 아이디어가 떠오른 Vapnik은 첫 번째로 살아있고, 두 번째로 머신 러닝과 관련하여 경험적(평균) 위험을 최소화하는 아이디어를 개발했습니다. 지원 벡터 머신에 대한 신경망의 비선형 버전은 이 대응에서 논의됩니다. 위키:
Vladimir Vapnik 과 Alexei Chervonenkis 가 1963년에 제안한 최적의 분리 초평면 구성 알고리즘은 선형 분류 알고리즘입니다. 그러나 1992년 Bernhard Boser, Isabelle Guyon 및 Vapnik은 스칼라 곱에서 임의의 커널로의 전환, 이른바 커널 트릭( M. A. Aizerman , E. M. Braverman 및 잠재적 기능 방법에 대한 L. V. Rozonoer), 이를 통해 비선형 분리기를 구축할 수 있습니다. 결과 알고리즘은 위 공식의 각 스칼라 곱이 비선형 커널 함수(고차원 공간의 스칼라 곱)로 대체된다는 점만 제외하면 선형 분류 알고리즘과 매우 유사합니다. 이 공간에는 최적의 분리 초평면이 이미 존재할 수 있습니다.
Maxim Dmitrievsky는 Vapnik이 추구하는 목표에 매우 근접한 목표를 설정한 것 같습니다. 근사 함수의 선택(및 선택)을 위한 기초를 찾아야 하는 것은 Vapnik입니다.
그는 1990년 54세의 나이로 미국으로 이주했습니다. 그가 영어 단어를 러시아어 소리로 발음하는 것은 놀라운 일이 아닙니다. 나는 부끄러운 것을 보지 않습니다. 그는 영어가 모국어가 아닌 대부분의 사람들처럼 매우 명확하게 말합니다. 노래에 대해 놀랍도록 명확하고 분리된 그리스어 Demis Roussos의 발음을 기억하십시오.
Vladimir : 그는 1990년 54세의 나이로 미국으로 이주했습니다. 그가 영어 단어를 러시아어 소리로 발음하는 것은 놀라운 일이 아닙니다. 나는 부끄러운 것을 보지 않습니다. 그는 영어가 모국어가 아닌 대부분의 사람들처럼 매우 명확하게 말합니다. 노래에 대해 놀랍도록 명확하고 분리된 그리스어 Demis Roussos의 발음을 기억하십시오.
실제로 Yandex 러시아 사무실. 그들이 그들의 과학자들과 그들에게 러시아어로 배우고자 하는 사람들을 학살하는 것은 불명예입니다.
모든 것, 잘 설명 된 정상적인 소년을 찾았고 모든 것을 즉시 기억했습니다.
엄청난!!
이제 2D 공간으로의 변환 및 매핑과 관련된 문제가 해결되었습니까?
러시아어를 이해하지 못한다고 생각했지만 공식은 어느 정도 이해했습니다. 그것은 단지 코사인과 2개의 벡터의 크기의 곱셈과 나눗셈의 놀이입니다 :))
MQL5의 코드가 변환되었습니까?
서포트 벡터 머신
커널 [ 편집 | 코드 편집 ]
Vladimir Vapnik 과 Alexei Chervonenkis 가 1963년에 제안한 최적의 분리 초평면 구성 알고리즘은 선형 분류 알고리즘입니다. 그러나 1992년 Bernhard Boser, Isabelle Guyon 및 Vapnik은 스칼라 곱에서 임의의 커널로의 전환, 이른바 커널 트릭( M. A. Aizerman , E. M. Braverman 및 잠재적 기능 방법에 대한 L. V. Rozonoer), 이를 통해 비선형 분리기를 구축할 수 있습니다. 결과 알고리즘은 위 공식의 각 스칼라 곱이 비선형 커널 함수(고차원 공간의 스칼라 곱)로 대체된다는 점만 제외하면 선형 분류 알고리즘과 매우 유사합니다. 이 공간에는 최적의 분리 초평면이 이미 존재할 수 있습니다.
Maxim Dmitrievsky는 Vapnik이 추구하는 목표에 매우 근접한 목표를 설정한 것 같습니다. 근사 함수의 선택(및 선택)을 위한 기초를 찾아야 하는 것은 Vapnik입니다.
영어 서신을 읽으십시오. 어려움이 있습니다. TS #1 의 질문을 읽고 바로 아이디어가 떠오른 Vapnik은 첫 번째로 살아있고, 두 번째로 머신 러닝과 관련하여 경험적(평균) 위험을 최소화하는 아이디어를 개발했습니다. 지원 벡터 머신에 대한 신경망의 비선형 버전은 이 대응에서 논의됩니다. 위키:
서포트 벡터 머신
커널 [ 편집 | 코드 편집 ]
Vladimir Vapnik 과 Alexei Chervonenkis 가 1963년에 제안한 최적의 분리 초평면 구성 알고리즘은 선형 분류 알고리즘입니다. 그러나 1992년 Bernhard Boser, Isabelle Guyon 및 Vapnik은 스칼라 곱에서 임의의 커널로의 전환, 이른바 커널 트릭( M. A. Aizerman , E. M. Braverman 및 잠재적 기능 방법에 대한 L. V. Rozonoer), 이를 통해 비선형 분리기를 구축할 수 있습니다. 결과 알고리즘은 위 공식의 각 스칼라 곱이 비선형 커널 함수(고차원 공간의 스칼라 곱)로 대체된다는 점만 제외하면 선형 분류 알고리즘과 매우 유사합니다. 이 공간에는 최적의 분리 초평면이 이미 존재할 수 있습니다.
Maxim Dmitrievsky는 Vapnik이 추구하는 목표에 매우 근접한 목표를 설정한 것 같습니다. 근사 함수의 선택(및 선택)을 위한 기초를 찾아야 하는 것은 Vapnik입니다.
네 감사합니다. 영어로 러시아 과학자와 Yandex 회의, 불명예
네 감사합니다. 영어로 러시아 과학자와 Yandex 회의, 불명예
그는 1990년 54세의 나이로 미국으로 이주했습니다. 그가 영어 단어를 러시아어 소리로 발음하는 것은 놀라운 일이 아닙니다. 나는 부끄러운 것을 보지 않습니다. 그는 영어가 모국어가 아닌 대부분의 사람들처럼 매우 명확하게 말합니다. 노래에 대해 놀랍도록 명확하고 분리된 그리스어 Demis Roussos의 발음을 기억하십시오.
실제로 Yandex 러시아 사무실. 그들이 그들의 과학자들과 그들에게 러시아어로 배우고자 하는 사람들을 학살하는 것은 불명예입니다.
그들은 심지어 모두 영어로 된 자체 기계 학습 알고리즘에 대한 설명을 가지고 있습니다.안녕하세요 맥심입니다.
그래서 이전에 멈춘 코드로 더 진행 했습니까?
P = cvxopt.matrix (np.outer (y, y) * K) q = cvxopt.matrix (np.ones (n_samples) * - 1 ) A = cvxopt.matrix (y, ( 1 , n_samples)) b = cvxopt.matrix ( 0.0 )안녕하세요 맥심입니다.
그래서 이전에 멈춘 코드로 더 진행 했습니까?
이 알고리즘은 내부 제품 에서만 작동하고 기능을 벡터로 다시 매핑하는 방법을 모르기 때문에 커널을 이런 식으로 사용할 수 없습니다.
이 알고리즘은 내부 제품 에서만 작동하고 기능을 벡터로 다시 매핑하는 방법을 모르기 때문에 커널을 이런 식으로 사용할 수 없습니다.
이것이 바로 커널 기능의 주요 기능입니다.
그러나 커널 기능을 사용하여 기능을 안팎으로 매핑할 수 없습니다. 그것은 커널 기능의 작업이 아닙니다. 커널 기능은 가격대를 더 높은 차원으로 매핑하여 분류 프로세스를 더 빠르고 쉽게 만듭니다.
가장 중요한 것은 예를 들어 양초 종가를 3D 공간에 매핑하는 경우에도 마찬가지입니다. 캔들 종가 값은 3D에서 변경되지 않습니다. 2D로 다시 매핑해도 매우 정상입니다.
그 때 가격 보간을 위해 스플라인이 등장하고 이미 스플라인을 알고 있을 것입니다. 내 말은 우리가 스플라인 측면에서 데이터를 공급하고 커널에서 분류를 수행한다는 것을 의미합니다.
이제 기능을 매핑하려는 경우 가격 측면에서 매핑하려는 항목을 정확히 지정하십시오. 캔들 종가, 캔들 시가 등을 매핑하려는 것입니다.
안녕하세요 맥심입니다.
번거롭게 해드려서 죄송합니다. RDF 프로젝트를 계속 진행 중인지 빠르게 확인하고 싶었습니다.
현재 RDF 알고리즘을 개선하고 Python 강화 알고리즘을 MQL과 통합하려고 합니다. 그래서 그냥 관심이 있는 다른 프로그래머들과 협업을 해야겠다고 생각했습니다.
아직 작업 중이고 지금까지 얼마나 진행했는지 알려주시면 됩니다.
저는 MQL5의 소스 코드와 함께 공유할 수 있는 RDF로 구현할 몇 가지 흥미로운 아이디어가 있으며 아직 Mt5와 python 사이의 다리를 배우지 못했습니다.
감사합니다...
안녕하세요 맥심입니다.
번거롭게 해드려서 죄송합니다. RDF 프로젝트를 계속 진행 중인지 빠르게 확인하고 싶었습니다.
현재 RDF 알고리즘을 개선하고 Python 강화 알고리즘을 MQL과 통합하려고 합니다. 그래서 그냥 관심이 있는 다른 프로그래머들과 협업을 해야겠다고 생각했습니다.
아직 작업 중이고 지금까지 얼마나 진행했는지 알려주시면 됩니다.
저는 MQL5의 소스 코드와 함께 공유할 수 있는 RDF로 구현할 몇 가지 흥미로운 아이디어가 있으며 아직 Mt5와 python 사이의 다리를 배우지 못했습니다.
감사합니다...
안녕하세요, 예, 여기에서 부분적으로 논의된 다양한 아이디어를 시도합니다. https://www.mql5.com/en/forum/86386/page1056