Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 479

 
Alexey Vyazmikin :

O zaman ne yazık ki yardım edemem - sorun çözülmeden önce yeniden üretilmelidir.

Bir gecikme için EventSetTimer'ı kullanmayı deneyebilirsiniz - çubuğun görünmesinden birkaç saniye sonra göstergeyi okuyun .

Tavsiye için teşekkürler.


Ve birkaç saniye içinde yapamazsınız, ancak 30 saniyede bu şekilde ??? Ve nasıl yapılır?

 
Michael Marchukajtes :

Ve birkaç saniye içinde yapamazsınız, ancak 30 saniyede bu şekilde ??? Ve nasıl yapılır?


Yapabilir. Örneğindeki kod tabanındaki göstergeleri arayın.

 
Michael Marchukajtes :

Soruma göre, anladığım kadarıyla uzman yok ????

ClusterX_ColoredVolumes'ın nasıl yapıldığını görün ve bunu görüntü ve benzerlikte yapın.
 

Nvidia'nın API'sini kullanan var mı? Geçen gün kart açısından biraz araştırdım, şirketin video konektörleri olmadan madencilik için kartlar ürettiğini görüyorum.

 
Alexey Volchanskiy :

Nvidia'nın API'sini kullanan var mı? Geçen gün kart açısından biraz araştırdım, şirketin video konektörleri olmadan madencilik için kartlar ürettiğini görüyorum.


Unuttum ve bazı API'ler yayınlandı, ben CUDA'yım

 

Nvidia'nın bir sürü API'si var.

OpenCL popüler bir standarttır, özel C şeklinde kod yazmanız gerekir. Hem Nvidia hem de AMD desteklenir, ekran kartı yerine işlemci işlemcileri için bir kitaplık bile kurabilirsiniz. R'de https://cran.r-project.org/web/packages/OpenCL/index.html kitaplığı aracılığıyla kullanıyorum
MT5 de bu API'yi kullanabilir.

CUDA bir tür kesinlikle nvidia kitaplığıdır ve örneğin AMD'den vidyuhi bunu desteklemez. Sonuç olarak, normal C++ kodunu alıp vidyuhi üzerinde çalışacak şekilde derlemektir. Muhtemelen izin verilen işlevlerde kısıtlamalar vardır, ben araştırmadım

CUDNN - CUDA'ya dayalı nöron api ve kitaplığı


Örneğin böyle bir MXNET nöronu var, tüm bu teknolojileri destekliyor, üzerindeki videoyu test edebilirsiniz https://mxnet.incubator.apache.org/get_started/install.html

 

Süreci anlamama yardım et :)

Doğrusal bir sınıflandırıcı örneğinde. Bir sınıflandırıcıya bir şey öğrettiğimizi varsayalım, 2 çıkış için 0'dan 1'e fiyat artışları uyguluyoruz, burada 0,5 sinyal yok (çıktıların toplamı her zaman bire eşittir)

Örneğin fiyatlara göre basit bir regresyon doğrusu oluşturursak, daha büyük fiyat artışları satırdan daha uzağa, daha küçük olanlar daha yakına, yani sınıflandırıcı 0,9 çıktı verirse; 0.1 o zaman pozitif artış çizgiden uzaktadır, yani. 0,9 sinyali 0,6 satın alma sinyalinden daha güçlü olacaktır

Ve doğrusal olmayan bir sınıflandırmaya sahip bir sinir ağı alırsak, çıktı okumaları sinyalin gücünü mü gösterecek yoksa sadece 2 sınıftan birine ait olma derecesini mi gösterecekler, daha fazlasını değil mi?

Onlar. Aşağıdaki koşul karşılanacak mı:


Bana öyle geliyor ki, bu durumda, malzemeyi iyi bilmeyen yeni başlayanların yarısı zaten başarısız olacak .. Çünkü belirli bir sınıfa ait olma derecesi, sezgisel olarak, daha büyük / daha az sinyal gücü gösterecektir. Ama bu gerçekten böyle mi ve artışları dağıtmak için daha fazla sınıf oluşturmak daha iyi değil mi, örneğin % olarak, sonra değeri bir veya başka bir sınıfa (10'dan biri, diyelim) almak size zaten tam olarak söyleyecektir. artış.
 
Maksim Dmitrievski :

Süreci anlamama yardım et :)

Doğrusal bir sınıflandırıcı örneğinde. Bir sınıflandırıcıya bir şey öğrettiğimizi varsayalım, 0,5'in sinyal olmadığı çıkışlarda 0'dan 1'e fiyat artışları uyguluyoruz.

Örneğin fiyatlara göre basit bir regresyon doğrusu oluşturursak, büyük fiyat artışları satırdan daha uzağa, daha küçük olanlar daha yakına, yani sınıflandırıcının çıktıları 0,9 olacaksa; 0.1 o zaman pozitif artış çizgiden uzaktadır, yani. 0,9 sinyali 0,6 satın alma sinyalinden daha güçlü olacaktır

Ve doğrusal olmayan bir sınıflandırmaya sahip bir sinir ağı alırsak, çıktı okumaları sinyalin gücünü mü gösterecek yoksa sadece 2 sınıftan birine ait olma derecesini mi gösterecekler, daha fazlasını değil mi?

Onlar. Aşağıdaki koşul karşılanacak mı:



Bir düşünün: çizgi sınırdır (en basit durumda ortalama). Fiyat artışının sınırına ne kadar yakınsa , ortalamadan o kadar az farklılık gösterirler , ancak mutlak değerde hiç de küçük olmayabilirler. (sorunun böyle bir ifadesi için)

 
Oleg otomatı :

Bir düşünün: çizgi sınırdır (en basit durumda ortalama). Fiyat artışının sınırına ne kadar yakınsa , ortalamadan o kadar az farklılık gösterirler , ancak mutlak değerde hiç de küçük olmayabilirler. (sorunun böyle bir ifadesi için)


Yani hedefin sınıfa ait olma derecesine göre mutlak değişim hakkında bir sonuç çıkarmak imkansızdır, 0,9 fiyat artışının 0,6 durumundan daha büyük olacağı anlamına gelmez.

 
Maksim Dmitrievski :

Yani hedefin sınıfa ait olma derecesine göre mutlak değişim hakkında bir sonuç çıkarmak imkansızdır, 0,9 fiyat artışının 0,6 durumundan daha büyük olacağı anlamına gelmez.


Yine, sınıflandırmanın nasıl oluşturulduğuna bağlıdır. Yukarıdaki örnekte, sınıflandırma, artışın mutlak değeri dikkate alınmadan orta hattan (sınırdan) olan mesafeye göre yapılmıştır. Mutlak artışın göstergesini girerseniz, sınıflandırma prensipte farklı olacaktır. Ölçeği de farklı olacaktır.