Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3397
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret 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
Endüstriyel ölçekte oldukça hızlı bir şekilde üretildikleri için bir model portföyü için bir optimize edici yazmak istiyorum
Ancak bunlardan çok sayıda alırsak, hepsini terminale sürükleyip bırakmak istemeyiz. tamamen varsayımsal olarak, modelleri kaydetmezsek, ancak eğitildikleri veri kümelerini istiflersek ve daha sonra bunlar üzerinde son bir modeli eğitirsek, sonuçlar model topluluğu ile karşılaştırılabilir olmalıdır, değil mi?
Ayrıca makalede olduğu gibi konumsal eşleştirme ile değil, Eğilim skoru ile denemeler yapmayı planlıyorum. Bu aynı zamanda olasılıkların kalibre edilmesine de olanak sağlayacaktır.
Daha sonra google liba'yı kullanarak ne elde edebileceğimi göreceğim.
Belki daha sonra sonuçları açıklarım.
Ayrıca makalede olduğu gibi konumsal eşleştirme ile değil, Eğilim skoru ile denemeler yapmayı planlıyorum. Bu, olasılıkların aynı anda kalibre edilmesine olanak sağlayacaktır.
Teorik olarak, bunun aracılığıyla örnekleri arayabilir ve eşleştirebilirsiniz
Örneğin, rastgele bir örnek parçasını 0, diğerini 1 olarak işaretleyin. NS'ye hangi örneğin hangi örneğe ait olduğunu sınıflandırmak için ayırmayı öğretin. Buna Adversarial doğrulama da denir.
İdeal olarak, NS örneği tanımlamamalı, hata 0,5 civarında olmalıdır. Bu, orijinal örneğin iyi bir şekilde rastgele seçildiği anlamına gelir.
0,5 civarındaki herhangi bir değer iyidir, bu veriler eğitim için kullanılabilir. Uç değerler aykırı değerlerdir.
Daha sonra her bir "olasılık" için tahmin edilen vakaların yüzdesini hesaplayabilirsiniz.
Şimdiye kadar, bu yaklaşımı benimsemek biraz akıllara durgunluk veriyor.
Devam eden ilginç bir yarışma - fiyat tahminlerindeki başarılarını diğer katılımcılarla karşılaştırmak isteyenler için.
Devam eden ilginç bir yarışma - fiyat tahminlerindeki başarılarını diğer katılımcılarla karşılaştırmak isteyenler için.
Bu bağlantı zaten birçok kez burada yer aldı
Hatırlamıyordum - sanırım o zaman ne yapmam gerektiği açık değildi, ama şimdi yardımı okudum ve daha açık hale geldi. Her neyse, bu fikrin uzun süredir çalıştığı bir gerçek. Anladığım kadarıyla, iyi tahminler için bir tür kripto ile ödeme yapıyorlar.
Tabii ki dezavantajı, kodun açık olması ve katılım için aktarılması gerektiğidir.
Gelecek burada. Google'ın LLM'sini yerel olarak çalıştırıyorum. Artık bir eşe ve arkadaşlara ihtiyacım yok.
Gelecek burada. Google'ın LLM'sini yerel olarak çalıştırıyorum. Artık bir eşe ve arkadaşlara ihtiyacım yok.
https://blog.google/technology/developers/gemma-open-models/
Tüm konunun iyi bir özeti