Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3086

 
Uau.))) Mas eu comecei muito bem.)
 
Andrey Dik #:

Amigos, olá!

Há uma batalha, sejam bem-vindos, façam barulho!!!

aqui está uma opção perdedora desde o início, porque você tem muitas delas na manga, e nós fazemos classificação binária à moda antiga :)

e nem toda função pode ser alimentada de forma indolor em uma rede neural.

 
Maxim Dmitrievsky #:

É uma situação em que todos perdem, porque você tem muitos deles na manga e nós estamos fazendo a classificação binária à moda antiga :)

e nem toda função pode ser alimentada sem problemas em uma rede neural.

Na verdade, um milhão de parâmetros é o "grande equalizador", o espaço de pesquisa é tão grande que não sei qual algoritmo será o vencedor. E o que estará na caixa preta é desconhecido (ou melhor, é conhecido, mas precisamos encontrar a "chave").

É divertido, é como arrombar um cofre!

 
Andrey Dik #:

De fato, um milhão de parâmetros é o "grande equalizador", o espaço de pesquisa é tão grande que não sei qual algoritmo será o vencedor. E o que estará na caixa preta é desconhecido (ou melhor, é conhecido, mas é necessário encontrar a "chave").

É divertido, é como arrombar um cofre!

Eu participaria mais tarde, como um exercício para o cérebro. O tempo está muito bom agora :)
 
Maxim Dmitrievsky #:

e nem todas as funções podem ser alimentadas sem problemas em uma rede neural.

Há uns três anos, um amigo da longínqua Austrália me procurou e disse: vamos minerar bitcoin com um algoritmo! crie uma coisa que possa encontrar o próximo bloco. as pessoas estavam gerando o sétimo dígito no hash, nosso algoritmo foi capaz de encontrar até o quinto dígito em menos de uma hora.... chegamos tarde demais.

E assim é. Alguém tentará participar do campeonato por interesse, terá novas ideias brilhantes e isso lhe será útil.

 
Andrey Dik #:

De fato, um milhão de parâmetros é o "grande equalizador", o espaço de pesquisa é tão grande que não sei qual algoritmo será o vencedor. E o que estará na caixa preta é desconhecido (ou melhor, é conhecido, mas é necessário encontrar a "chave").

É divertido, é como arrombar um cofre!

Não é uma questão de algoritmo, é uma questão de genética, ou enxame, ou qualquer outra coisa.

1) É uma questão de tempo e força do ferro !!!! quem tiver mais tempo e um ferro mais forte vencerá.

2) os resultados obtidos não garantirão de forma alguma que esse AO específico seja o melhor, pois o melhor AO provavelmente se tornará o melhor por acaso (ele simplesmente encontrou o melhor máximo).

3) mais de 20-30 medições em uma função já é um jogo de adivinhação e, em problemas reais, ninguém trabalha com AO em medições tão grandes de um milhão de parâmetros (as medições reduzem).

4) o problema em si foi construído incorretamente, ele não revela as peculiaridades do AO de forma alguma, tudo é construído - quem tiver a sorte de encontrar o melhor máximo vence.


Encontrar o máximo na função para 10 iterações é um problema normal, que revelará a eficiência do AO, e é assim que os problemas são definidos em círculos normais....

Mas de que adianta conversar com um profano que se considera um especialista e seu amigo e conselheiro é o gpt chat)))

 
mytarmailS #:

Não é uma questão de algoritmo, é uma questão de genética, enxameamento, o que for.

1) É uma questão de tempo e potência de hardware !!!! quem tiver mais tempo e um hardware mais potente vencerá.

2) os resultados obtidos não garantirão que esse AO específico seja o melhor, pois o melhor AO se tornará o melhor provavelmente por acaso (aconteceu que ele encontrou o melhor máximo).

3) mais de 20-30 medições em uma função já é um jogo de adivinhação e, em tarefas reais, ninguém trabalha com AO em medições tão grandes de um milhão de parâmetros (as medições reduzem).

4) o problema em si foi construído incorretamente, ele não revela as peculiaridades do AO de forma alguma, tudo é construído - quem tiver a sorte de encontrar o melhor máximo vence.


5) Encontrar o máximo na função para 10 iterações é um problema normal, que revelará a eficiência do AO, e é assim que os problemas são definidos nos círculos normais...

6) Mas de que adianta conversar com uma pessoa profana que se considera especialista e seu amigo e conselheiro é o gpt chat)))


1. É impossível rodar a caixa preta com mais de 10.000, isso já foi dito. Não importa o quão potente seja o hardware utilizado, ele não ajudará.

2. Não é possível obter um resultado não aleatório por acaso com um milhão de parâmetros; em uma pesquisa aleatória, os resultados são calculados pela média. A chance de encontrar um resultado melhor do que outros só existe se o algoritmo for melhor. Para entender isso, você precisa conhecer um pouco de teoria da probabilidade ou, pelo menos, ter algumas habilidades analíticas.

3. Em problemas reais, há bilhões de variáveis - redes geradoras modernas. Há vários bilhões de neurônios no cérebro humano e é preciso aprender todos os dias para entender do que estamos falando aqui.

4. Você não terá sorte, eu lhe dou 100%.

5. Os algoritmos estocásticos começam com números aleatórios dentro de um intervalo aceitável; quanto menos iterações, mais aleatório será o resultado. Além disso, veja o ponto 2.

6. não é em vão que você está colado - pateushnik..... ignorância militante.

 
Onde observar os círculos normais
 
Матрицы и векторы в MQL5: функции активации
Матрицы и векторы в MQL5: функции активации
  • www.mql5.com
В данной статье мы опишем только один из аспектов машинного обучения - функции активации. В искусственных нейронных сетях функция активации нейрона вычисляет значение выходного сигнала на основе значений входного сигнала или набора входных сигналов. Мы покажем, что находится "под капотом".
 
Andrey Dik #:

Amigos, olá!

Há uma batalha, sejam bem-vindos, façam barulho!!!

Viva a fazenda coletiva!

Vamos envergonhar os profissionais!

https://cran.r-project.org/web/views/Optimization.html

CRAN Task View: Optimization and Mathematical Programming
CRAN Task View: Optimization and Mathematical Programming
  • cran.r-project.org
This CRAN Task View contains a list of packages which offer facilities for solving optimization problems. Although every regression model in statistics solves an optimization problem, they are not part of this view. If you are looking for regression methods, the following views will also contain useful starting points: MachineLearning, Econometrics, Robust The focus of this task view is on Optimization Infrastructure Packages, General Purpose Continuous Solvers, Mathematical Programming Solvers, Specific Applications in Optimization, or Multi Objective Optimization.