Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2206
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
Dönen gerçek botlarım var. Annemin horoz tüccarlarının tekrar buraya gelmesini ister misin? Yoğunluk tahmini gibidir, aynı şeydir (hmm ve bir otomatik kodlayıcı, bir doktorun önerdiği şekilde aynı şeydir). Tekrarlayan katmanlar da dahil olmak üzere herhangi bir şeyden kodlayıcı yapabilirsiniz, ör. bu daha gelişmiş bir model. Hayal kurarsan, özüyle analojiler çizebilirsin, evet
sonraki spoiler . makale. Ayrıca GMM'nin kısa bir açıklaması var, ancak daha sonra neden bu şekilde çalıştığını bulmaya çalıştığımda bunu buldum. Ve aslında türü kendim buldum :)
Dinle, Yarı denetimli öğrenme için hazır paketler yok mu?
orada, her şey hazır olmalı
Dinle, Yarı denetimli öğrenme için hazır paketler yok mu?
orada, her şey hazır olmalı
orada. Ancak pişirilen her şey her zaman yenilebilir değildir.
orada. Ancak pişirilen her şey her zaman yenilebilir değildir.
Ve denedin mi?
Sonuçta, sizin yaptığınızı yapıyorlar, sadece makinede + farklı yaklaşımlar seçebilirsiniz, sadece dağıtımlara göre verileri simüle etmekle kalmazsınız
Ve denedin mi?
Sonuçta, sizin yaptığınızı yapıyorlar, sadece makinede + farklı yaklaşımlar seçebilirsiniz, sadece dağıtımlara göre verileri simüle etmekle kalmazsınız
yoldayım.. veya devam ediyorum
Neden makale yazıyorum sanıyorsun? övünmek için değil, kendin bulmak için. Yazarken anlarsın kendini
yoldayım.. veya devam ediyorum
Neden makale yazıyorum sanıyorsun? övünmek için değil, kendin bulmak için. Yazarken anlarsın kendini
bir gerçek, sen başkasına açıklayana kadar, kendin de oraya varamazsın, hatta bir doktora ne yaptığımı açıklamaya çalışıyorum ve dürüst olmak gerekirse, kendine yetişmen olumlu bir etki oluyor. Ve muhatabın yayda olmadığı gerçeği tamamen çöp))))
bir gerçek, sen başkasına açıklayana kadar, kendin de oraya varamazsın, hatta bir doktora ne yaptığımı açıklamaya çalışıyorum ve dürüst olmak gerekirse, kendine yetişmen olumlu bir etki oluyor. Ve muhatabın bir yayda olmadığı gerçeği tamamen çöp))))
ve orada ))
Yazıda sizi doğru mu anladım..
1) küçük bir gerçek veri parçası alırsın, etiketleri işaretlersin
2) yarı tren.. model
3) kontrol etmek yarı.. büyük bir gerçek veri grafiği üzerinde model
4) ve iyi bir tane bulunana kadar bir daire içinde yarı.. geniş bir gerçek veri alanına yeterince yanıt veren bir model
Yazıda sizi doğru mu anladım..
1) küçük bir gerçek veri parçası alırsın, etiketleri işaretlersin
2) yarı tren.. model
3) kontrol etmek yarı.. büyük bir gerçek veri grafiği üzerinde model
4) ve iyi bir tane bulunana kadar bir daire içinde yarı.. geniş bir gerçek veri alanına yeterince yanıt veren bir model
sonra kontrol bölümüne de bakarım ve tüm geçişlerdeki iyi modellerin sayısına bakarım. Birçoğu varsa, bu bir artı.
sonra kontrol bölümüne de bakarım ve tüm geçişlerdeki iyi modellerin sayısına bakarım. Birçoğu varsa, bu bir artı.
Dinlemek! bana öyle geliyor ki bu yarı .. modellerin değeri değil , kötü etiketleme sorunu
, bizim "denetim işaretlememiz" piyasa için çok yetersiz ve yarı .. sadece biraz daha yeterli hale getiriyor ve her şey bir mucize ..
Ve yeterli bir işaretleme yaparsanız, daha da iyi sonuçlar elde edebilirsiniz...
Demek istediğim, bir sınıflandırma problemi olarak değil, bir optimizasyon problemi olarak eğitmek. Modeli minimum/maksimum arama olarak eğitmek.
fonksiyonlar, örneğin, kar maksimizasyonu + komisyon, bu en uygun etiketleme olacaktır.
Bunu düşün..
Dinlemek! bana öyle geliyor ki bu yarı .. modellerin değeri değil , kötü etiketleme sorunu
, bizim "manuel işaretlememiz" pazar için çok yetersiz ve yarı .. sadece onu biraz daha yeterli hale getiriyor ve her şey bir mucize ..
Ve yeterli bir işaretleme yaparsanız, daha da iyi sonuçlar elde edebilirsiniz...
Demek istediğim, bir sınıflandırma problemi olarak değil, bir optimizasyon problemi olarak eğitmek. Modeli minimum/maksimum arama olarak eğitmek.
fonksiyonlar, örneğin, kar maksimizasyonu + komisyon, bu en uygun etiketleme olacaktır.
Bunu düşün..
Orada, yeterli işaretleme yapmanın pahalı olduğu ve genellikle nasıl olduğu bilinmediği yazıyor.. bu nedenle, yarı denetimli öğrenme birçok durumda daha iyi çalışabilir.
ayrıca kediler ve daha birçok şey üzerinde test edildi, kendini iyi gösterdi. Deepmind'den aynı yazı..