Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2978

 
Aleksey Vyazmikin #:

Hmmm, daha fazlasını nasıl bilebilir ki :)

Az önce, sınıflandırma doğrulukları nedeniyle doğru sınıflandırılmış kötü örneklerin daha düşük hacmi hakkında yazdım.

Oradaki kodu okumak çok zor ama genel olarak çözebilirsiniz. MO'yu kişisel olarak anlaması için bunun çok iyi bir teşvik olduğunu düşünüyorum. Ve yeniden üretilebilir kod, süreci anlamak için çok önemlidir. Özellikle de kendinize ait bir şey yapmak istiyorsanız.

Evet, olan bu - boşa harcanan yıllar.

Şu ana kadar tartışacak bir şey yok. Her şey Sutton ve Barto'nun kitabında ve sonra da RL'de. Ama hacimler inanılmaz, bu adamlar üniversitede iyi bir maaş için çalışıyorlar. Nasıl bir kafa olmalı, doğru yönde olur :) Uygulama deneyimine dayalı olarak tükenmiş yaklaşımlarla ilgileniyorum.

Dedikleri gibi, ticarette MO zaten yeraltından ana akıma taşındı, ancak hala testçi grails seviyesinde. Ve gösterge ateşi sona erdi :)
 
https://youtu.be/_j5HP2wrBPE
Pek bir şey anlamadım ama iyi görünüyor.
 
Bu, kodda sorgulanan minimal bir fantezi değilse nedir?
 

Igor Ashmanov Alice sesli asistan hakkında

Yapay zeka programlarına yönelik temelde iki farklı yaklaşım hakkında.

Игорь Ашманов о голосовом помощнике «Алиса»
Игорь Ашманов о голосовом помощнике «Алиса»
  • 2017.11.10
  • www.youtube.com
Мы просто спросили Игоря Ашманова об «Алисе» от Яндекса, а узнали об истории голосовых помощников, перспективах развития нейронных сетей и разобрались в том,...
 

Sonunda sıradanlık üzerine iyi bir rehber buldum.

ML'nin neden sadece tahmin için olduğu ama nedensellik için olmadığı sorusuna cevap veriyor.

ML, bu ters nedensellik türü problemlerde kötü bir üne sahiptir. Ekonomistlerin karşı olgusal olarak adlandırdıkları "eğer" sorularını yanıtlamamızı gerektirirler. Şu anda malım için istediğim bu fiyat yerine başka bir fiyat kullansaydım ne olurdu? Uyguladığım düşük yağlı diyet yerine düşük şekerli bir diyet yapsaydım ne olurdu? Bir bankada çalışıyorsanız, kredi veriyorsanız, müşteri hattını değiştirmenin gelirinizi nasıl değiştirdiğini bulmanız gerekecektir. Ya da yerel yönetimde çalışıyorsanız, okul sistemini nasıl daha iyi hale getireceğinizi bulmanız istenebilir. Dijital bilgi çağı size bunu söylüyor diye her çocuğa tablet mi vermelisiniz? Yoksa eski moda bir kütüphane mi kurmalısınız?

Bu soruların temelinde, cevabını bilmek istediğimiz nedensel bir sorgulama vardır. Nedensel sorular, satışları nasıl artıracağımızı bulmak gibi günlük sorunlara nüfuz eder. Yine de, bizim için çok kişisel ve değerli olan ikilemlerde de önemli bir rol oynarlar: hayatta başarılı olmak için pahalı bir okula gitmek zorunda mıyım (eğitim kazanca neden olur mu)? Göç iş bulma şansımı düşürüyor mu (göç işsizliğin artmasına neden oluyor mu)? Yoksullara para transferi suç oranını düşürür mü? Hangi alanda çalıştığınız önemli değil. Büyük olasılıkla bir tür nedensel soruya cevap vermek zorunda kaldınız veya kalacaksınız. Ne yazık ki ML için, bu soruların üstesinden gelmek için korelasyon tipi tahminlere güvenemeyiz.

 
Maxim Dmitrievsky #:

Sonunda iyi bir gündelik rehber buldum.

MO'nun neden sadece tahmin için olduğu, ancak nedensellik araştırması için olmadığı sorusuna cevap verir.

Eğer bir algoritma bir örneği tahmin edemiyorsa, o zaman hiçbir değeri yoktur, bu yüzden onu açıklamanın bir anlamı yoktur.

Yani doğru tahmin yapabilmek, veriye dokunabilmenin ilk şartıdır.

Bu doğru değil mi?
 
Maxim Dmitrievsky #:

Sonunda iyi bir gündelik rehber buldum.

En önemlisi "gereksiz" bir matstat gibi görünüyor)

Temel olarak, örneğin kanıta dayalı tıpta hangi yöntemlerin kullanıldığını görmeniz ve bunları görevinize uygulamaya çalışmanız önerilir.

 
mytarmailS #:
Eğer bir algoritma bir örneği tahmin edemiyorsa, o zaman hiçbir değeri yoktur, dolayısıyla onu açıklamanın da bir anlamı yoktur.

Yani doğru tahmin yapabilmek, veriye dokunabilmenin ilk şartıdır.

Bu doğru değil mi?
Bilirsiniz, nedensellik testleri gibi. Anladığım kadarıyla işe yarayan setleri izole edebilirsiniz.
Her şeyi kendisi yapan bir otomat yapmak ilginç. Belki oradan bir şeyler kullanabilirim.
 
Aleksey Nikolayev #:

Çoğu "gereksiz" bir matstat gibi)

Temel olarak öneri, örneğin kanıta dayalı tıpta hangi yöntemlerin kullanıldığını görmek ve bunları görevinize uygulamaya çalışmaktır.

Ben de henüz bu bilime aşina değilim, ancak internette giderek daha fazla övgü alıyor.
Meta öğrenenler ve ikili makine öğrenimi hakkında şeyler var. Benim yaptığım şeye uzaktan benziyor ve hoşuma gitti.
Muving lstm-cnn ağını tahmin etmekten daha kötü olduğunu düşünmüyorum :)
 

Uygunluk fonksiyonunun virinlerinden biri olarak.

AMO'nun görevi, AMO ticaretinin öz sermayesi üzerine inşa edilen tahminin mümkün olduğunca iyi olacağı şekilde eğitmektir.



Geçmişte güzel bir öz sermaye eğrisi istemiyorum, ancak gelecekteki ticarette kendinden emin bir tahmin elde etmek istiyorum ...

Güven aralıkları ile tahmin, aynı istatistiksel test ...


Tahmin için iki algoritma kullandım, auto arima ve holt.

Burada, tahminin öz sermayenin "büyümesini garanti ettiği" alanı görebilirsiniz.