![MQL5 - Язык торговых стратегий для клиентского терминала MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Опубликована статья Глубокие нейросети (Часть III). Выбор примеров и уменьшение размерности:
Эта статья продолжает серию публикаций о глубоких нейросетях. Рассматривается выбор примеров (удаление шумовых), уменьшение размерности входных данных и разделение набора на train/val/test в процессе подготовки данных для обучения.
Проведем эксперимент. Возьмем три набора данных: DT (сырой набор, не прошедший никакой предобработки), DTn (только нормализованный набор сырых данных), DTTanh.n (без выбросов, тангенс-трансформированные и нормализованные) и, конечно, только train. Обработаем их функцией ORBoostFilter(), которая представляет собой фильтр для удаления выбросов. Посмотрим, как изменилось распределение после такой обработки.
Рис. 1. Распределение предикторов в наборах после удаления шумовых примеров
Автор: Vladimir Perervenko