..... 머신 러닝에는 데이터, 구성 및 신경망 유형이 중요할 수 있는 특정 "트릭"이 있지만 여기에는 더 많은 임의성 규칙이 있습니다.)
의심의 여지없이 당신은 MO에서 나보다 더 많이 이해하지만 논리적 불일치가 있습니다. OCHL 데이터와 패턴 스크린 데이터는 컴퓨터 수준에서 근본적으로 다른 데이터입니다. 가격의 경우 2배, 색상의 경우 uint입니다. OCHL의 경우 막대의 가격 매개변수 값의 비율, 그림의 경우 원하는 이미지에 대한 대응을 분석할 필요가 있다. OCHL 데이터로 학습하는 것은 그래픽 패턴(물론 네트워크의 숫자이기도 함)이 아닌 숫자를 찾는 것입니다. 그리고 그래픽 패턴 훈련은 완전히 다른 재료와 방법을 사용합니다. 숫자 패턴을 통해 차트 패턴을 검색하는 것이 올바르지 않을 수 있습니다. 저는 이것이 학습과 인정에 대한 다른 접근이라고 생각합니다.
가격 데이터로 인식하는 것과 색상 데이터로 인식하는 것입니다. 모두 동일하고 완전히 다른 접근 방식과 메커니즘.
PC의 경우 그래픽의 색 구성표에 의미가 있다고 생각하십니까? )))
좋아, 나는 포기한다. 그렇지 않으면 너는 나를 웃게 할 것이다))))
NS의 경우, 그리고 실제로 PC와 상호 작용하는 모든 알고리즘의 경우 모든 데이터는 어레이 형태로 표시됩니다(여기서 메모리 또는 어레이는 중요하지 않음).
OHLC 배열로 NN을 훈련하고 스크린샷 비트마스크 배열로 훈련할 것입니다. 차이가 없습니다.
..... 기계 학습에는 데이터, 구성 및 신경망 유형이 중요할 수 있는 특정 "트릭"이 있지만 여기에는 더 많은 임의성 규칙이 있습니다.)
PC의 경우 그래픽의 색 구성표에 의미가 있다고 생각하십니까? )))
좋아, 나는 포기한다. 그렇지 않으면 너는 나를 웃게 할 것이다))))
NS의 경우, 그리고 실제로 PC와 상호 작용하는 모든 알고리즘의 경우 모든 데이터는 어레이 형태로 표시됩니다(여기서 메모리 또는 어레이는 중요하지 않음).
OHLC 배열로 NN을 훈련하고 스크린샷 비트마스크 배열로 훈련할 것입니다. 차이가 없습니다.
..... 머신 러닝에는 데이터, 구성 및 신경망 유형이 중요할 수 있는 특정 "트릭"이 있지만 여기에는 더 많은 임의성 규칙이 있습니다.)
Peter, 네트워크에 익숙해지면 컨볼루션 네트워크를 살펴보십시오.
하나님의 어머니!
하나님의 어머니!
이마를 너무 여러 번 치지 마십시오. 모두가 실수합니다.))
그러나 모든 사람이 그렇게 완고한 것은 아닙니다.
아아, 당신은 그것을 고칠 수 없습니다!
컴퓨터는 무엇을 처리해야 하는지 신경 쓰지 않습니다. 결국 그는 자신에게 주어진 것, 사진, 심지어 핵폭탄에 대한 데이터, 심지어 OHLS조차 모릅니다... 아프리카에서도 숫자입니다!
나는 PC에 똑똑한 것이 없다는 것을 다른 방법으로 설명할 수 없습니다. 그것은 어리석은 철 조각입니다. 알고리즘에 제공하는 것은 알고리즘에서 처리됩니다!
그렇게 설명?
))))
당신이 보기에, 국회는 당신이 무엇을 주든 항상 당신이 필요로 하는 것을 얻는 그런 "마술 지팡이"입니까? 아무리 데이터가 크더라도. 다 숫자야...
그렇다면 패턴을 찾는 알고리즘은 어디에 있는지 이해가 되지 않습니다. 이 "전능한" 국회는 어디에 있습니까? 그들은 ML을 오랫동안 연구해 왔지만 MT는 여전히 이 "패턴 인식기"를 무기고에 가지고 있지 않습니다.
그러나 모든 사람이 그렇게 완고한 것은 아닙니다.