Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2478
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Benim düşünceme göre standardizasyonun dengelemeden daha fazla etkisi var. Ayrıca dağıtımlardan örnekleme, fazla takmaya karşı yardımcı olur
Doğru anladım, ne kadar çok örnek olursa, işaretler standardize mi yaklaşıyor?
Doğru anladım, ne kadar çok örnek olursa, işaretler standardize mi yaklaşıyor?
Hangi numune boyutunun optimal olduğunu söylemek zordur, muhtemelen Gauss karışımlarının bileşenlerinin sayısına bağlıdır. Gürültülü bir veri kümesine sahip çok büyük bir örneklem, çok benzer örneklerin üretilmesine yol açar, yani örneklerin sıklıkla tekrarlanma olasılığı artar, çünkü Gausslar, yoğunluğu ve üretimi tahmin etmek için kullanılır. Yani evet yerine hayır.
Teşekkür ederim. Muhtemelen soruyu doğru sormadım, daha fazla örneğin daha standartlaştırılmış bir örnek vermesinin mümkün olup olmadığını kastettim.
Teşekkür ederim. Muhtemelen soruyu doğru sormadım, daha fazla örneğin daha standartlaştırılmış bir örnek vermesinin mümkün olup olmadığını kastettim.
Teşekkür ederim. Muhtemelen soruyu doğru sormadım, demek istediğim, üretilen daha fazla örneğin daha standart bir örnek vermesi mümkün mü?
Örneği oluştururken mümkün olduğunca az çelişki olması önemlidir, aksi takdirde öğrenmenin bir anlamı olmayacaktır . Bir durumda, giriş vektörünün aynı değerine sahip hedefin 1 değerine sahip olduğunu ve sonraki örnekte, aynı giriş vektörüne sahip hedefin 0 değerine sahip olduğunu hayal edin . O zaman algoritma ne yapmalı? Nasıl tepki verilir? Bu nedenle, eğitim örneklerinde bir artış, yalnızca çelişkilerde bir artışa yol açmıyorsa geçerlidir. Felsefi soru. Örneğin, 100 eğitim örneği kullanarak, M5'te pazarın 3 ayını kapsıyorum. Örnek olarak...
Ne yazdığını da anlıyor musun?
Michael Marchukajtes # :
Örneği oluştururken mümkün olduğunca az çelişki olması önemlidir, aksi takdirde öğrenmenin bir anlamı olmayacaktır. Bir durumda, giriş vektörünün aynı değerine sahip hedef değerin 1 olduğunu ve sonraki örnekte, aynı giriş vektörüne sahip hedef değerin 0 olduğunu hayal edin. O halde algoritma ne yapmalıdır? Nasıl tepki verilir? Bu nedenle, eğitim örneklerinde bir artış, yalnızca çelişkilerde bir artışa yol açmıyorsa geçerlidir. Felsefi soru. Örneğin, 100 eğitim örneği kullanarak, M5'te pazarın 3 ayını kapsıyorum. Örnek olarak...
Size katılıyorum, eğer aynı örnek birkaç durumu açıklıyorsa, mevcut herhangi bir algoritma ile sınıflandırma yaparken, n'nin durum sayısı olduğu yerde 1/n'ye yakın bir olasılık elde edeceğiz.
Ancak kesinlikle benzer örnekler yoktur, bir dereceye kadar benzerler. Soru, bu "benzerliğin" nasıl belirleneceğidir.
M5'te 3 ayda 100 örnek... ilginç... Eğitimden önce , ilk örnekten, ticaret yaparken kullandığınız kurallara göre örnekler mi seçiyorsunuz?
Size katılıyorum, eğer aynı örnek birkaç durumu açıklıyorsa, mevcut herhangi bir algoritma ile sınıflandırma yaparken, n'nin durum sayısı olduğu yerde 1/n'ye yakın bir olasılık elde edeceğiz.
Ancak kesinlikle benzer örnekler yoktur, bir dereceye kadar benzerler. Soru, bu "benzerliğin" nasıl belirleneceğidir.
M5'te 3 ayda 100 örnek... ilginç... Eğitimden önce , ilk örnekten, ticaret yaparken kullandığınız kurallara göre örnekler mi seçiyorsunuz?
Eğitim örneğindeki aynı bağımsız değişkenler kümesi yalnızca bir bağımlı değişkene karşılık geliyorsa, bu deterministik bir seridir.
Sınıflandırılacak bir şey yok - tahmin hatası 0.
Evet, bu ızdırap
Eğitim örneğindeki aynı bağımsız değişkenler kümesi yalnızca bir bağımlı değişkene karşılık geliyorsa, bu deterministik bir seridir.
Sınıflandırılacak bir şey yok - tahmin hatası 0.
Evet, bu ızdırap
Teşekkür ederim. Belki de bu ıstırap değil, temel bilgi eksikliğimdir.
Bu, birden çok bağımsız değişken kümesi tek bir değişkene karşılık geldiğinde de doğru mudur?