Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2251

[mytarmailS]

Maxim Dmitrievsky:

тебе же надо хорошие селл примеры и бай примеры, поэтому метки

это и есть распределение точек в этом пространстве, обычно ..............

Ну да, согласен конкретная идея так себе....

========================

Что там твой робот на распределениях? 

[Maxim Dmitrievsky]

mytarmailS:

Ну да, согласен конкретная идея так себе....

========================

Что там твой робот на распределениях? 

идея крутая, на нормалаьных данных, не на случайных

на евро только робит, на других не оч.

кодер вместо гмм подсовываю, еще не доделал

[34767361]

Kak prikrepiti instrument BTC/USD?

[Maxim Dmitrievsky]

кодер вместо гмм. Обучение 2 мес, тест 5 лет

Несколько сложнее получается подбирать архитектуру. Однослойный вообще плохо работал, добавил 2-й слой, стало получше

обычные фидфорвард слои

[mytarmailS]

Maxim Dmitrievsky:

кодер вместо гмм. Обучение 2 мес, тест 5 лет

Несколько сложнее получается подбирать архитектуру. Однослойный вообще плохо работал, добавил 2-й слой, стало получше

обычные фидфорвард слои

Что то мне кажется что с гмм график поглаже получаться ...

А зачем там нейронка вообще можешь блок схемой объяснить

один слой может только линейные задачи решать

[Maxim Dmitrievsky]

mytarmailS:

Что то мне кажется что с гмм график поглаже получаться ...

А зачем там нейронка вообще можешь блок схемой объяснить

один слой может только линейные задачи решать

я ожидал бОльшего от них

кодер это нейронка

все равно нифига не поймешь, но вот структура его

class Encoder(nn.Module):
    def __init__(self, input_dim, hidden_dim, latent_dim, n_classes):
        super().__init__()

        self.linear = nn.Linear(input_dim + n_classes, hidden_dim)
        self.mu = nn.Linear(hidden_dim, latent_dim)
        self.var = nn.Linear(hidden_dim, latent_dim)

    def forward(self, x):
        # x is of shape [batch_size, input_dim + n_classes]

        hidden = torch.sigmoid(self.linear(x))
        # hidden is of shape [batch_size, hidden_dim]

        # latent parameters
        mean = self.mu(hidden)
        # mean is of shape [batch_size, latent_dim]
        log_var = self.var(hidden)
        # log_var is of shape [batch_size, latent_dim]

        return mean, log_var


class Decoder(nn.Module):
    def __init__(self, latent_dim, hidden_dim, output_dim, n_classes):
        super().__init__()

        self.latent_to_hidden = nn.Linear(latent_dim + n_classes, hidden_dim)
        self.hidden_to_out = nn.Linear(hidden_dim, output_dim)

    def forward(self, x):
        # x is of shape [batch_size, latent_dim + num_classes]
        x = torch.sigmoid(self.latent_to_hidden(x))
        # x is of shape [batch_size, hidden_dim]
        generated_x = torch.sigmoid(self.hidden_to_out(x))
        # x is of shape [batch_size, output_dim]

        return generated_x


class CVAE(nn.Module):
    def __init__(self, input_dim, hidden_dim, latent_dim, n_classes):
        super().__init__()

        self.encoder = Encoder(input_dim, hidden_dim, latent_dim, 1)
        self.decoder = Decoder(latent_dim, hidden_dim, input_dim, 1)

    def forward(self, x, y):

        x = torch.cat((x, y), dim=1)

        # encode
        z_mu, z_var = self.encoder(x)

        # sample from the distribution having latent parameters z_mu, z_var
        # reparameterize
        std = torch.exp(z_var / 2)
        eps = torch.randn_like(std)
        x_sample = eps.mul(std).add_(z_mu)

        z = torch.cat((x_sample, y), dim=1)

        # decode
        generated_x = self.decoder(z)

        return generated_x, z_mu, z_var

[mytarmailS]

Maxim Dmitrievsky:

кодер это нейронка

серйезно ?  )))))    ты прикалуешся с меня или шо ? ))

Maxim Dmitrievsky:

все равно нифига не поймешь

потому и говорю скажы по простому , что ты ожидал, почему это должно было сработать по твоему мнению, блок схемой вообще идеально...

А код не знакомой библы на не знакомом языке, канешн понять тяжело

[Maxim Dmitrievsky]

mytarmailS:

серйезно ?  )))))    ты прикалуешся с меня или шо ? ))

потому и говорю скажы по простому , что ты ожидал, почему это должно было сработать по твоему мнению, блок схемой вообще идеально...

А код не знакомой библы на не знакомом языке, канешн понять тяжело

в смысле плть прикалываешься?

[mytarmailS]

Maxim Dmitrievsky:

в смысле плть прикалываешься?

ну в том что  - что такое автогенераторы я раньше тебя знал ))

[Maxim Dmitrievsky]

mytarmailS:

А зачем там нейронка вообще можешь блок схемой объяснить