Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3572
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
Тоже неправильно, есть еще обучение с подкреплением.
С "подкрепление" - разновидность "с учителем", когда в качестве учителя берется предыдущий результат и идет целенаправленное обучение. "Без учителя" - когда просто разбивается на подмножества.
С "подкрепление" - разновидность "с учителем", когда в качестве учителя берется предыдущий результат и идет целенаправленное обучение. "Без учителя" - когда просто разбивается на подмножества.
Нет
Еще раз (надеюсь что восьмой). Обучение с Учителем - это обучение на подготовленных человеком данных (признаки + метки). То есть заранее известно чему обучаем.
Например, обучение решать таблицу умножения.
Хорошая замена vpn, особенно для тех, кто юзает разные LLM.
Не понял - по ссылке какая то подборка ПО для локального ПК.
Не понял - по ссылке какая то подборка ПО для локального ПК.
https://www.comss.ru/page.php?id=7315
Не точно.
Если говорить об оценке классификации, то там не бывает оценок по прибыли. Есть свои оценки и свои пакеты (ROC).
Я последние годы не классификационные, а регрессионные модели обучаю. Как раз фин. результат от сделки и подаю, как учителя.
Я последние годы не классификационные, а регрессионные модели обучаю. Как раз фин. результат от сделки и подаю, как учителя.
Остолопия снова зашкалила.. время спрашивать ЛЛМ :)))
В контексте машинного обучения с учителем учитель предоставляет не только метки, но и признаки (features). Давайте рассмотрим это подробнее:
Учитель (Supervisor):
Роль: Как уже обсуждалось, учитель предоставляет обучающие данные, которые включают в себя как признаки, так и метки. Это может быть человек, который собирает и маркирует данные, или автоматизированная система, которая уже содержит эту информацию.
Функция: Учитель обеспечивает модель всей необходимой информацией для обучения, включая характеристики (признаки) объектов и правильные ответы (метки) для каждого объекта.
Признаки (Features):
Роль: Признаки — это характеристики или свойства, которые описывают каждый объект в обучающем наборе данных. Они являются входными данными для модели.
Функция: Признаки позволяют модели различать объекты и делать прогнозы на основе этих различий. Например, в задаче распознавания изображений признаками могут быть пиксели изображения или более сложные особенности, извлеченные из изображения.
Метки (Labels):
Роль: Метки — это выходные данные, которые модель пытается предсказать. Они указывают на правильный класс или значение для каждого объекта.
Функция: Метки служат целью для обучения модели. Модель использует признаки для предсказания меток и сравнивает свои предсказания с фактическими метками, чтобы корректировать свое поведение и улучшать точность.
Связь между учителем, признаками и метками:
Учитель предоставляет данные, состоящие из признаков и меток.
Признаки — это входные данные, которые модель использует для предсказаний.
Метки — это выходные данные, которые модель пытается предсказать и которые служат ориентиром для обучения.
Таким образом, учитель предоставляет не только метки, но и признаки, которые в совокупности позволяют модели обучаться и делать точные прогнозы.