Before you commit your precious time to read this blog post, I need to warn you that this is one of those posts that market nerds like myself will get a kick out of, but which probably won’t add much of practical value to your trading. The purpose of this post is to scratch the surface of the markets from an information theoretic perspective...
Деревья принятия решений являются удобным инструментом в тех случаях, когда требуется не просто классифицировать данные, но ещё и объяснить почему тот или иной объект отнесён к какому-либо классу. Давайте сначала, для полноты картины, рассмотрим природу энтропии и некоторые её свойства. Затем, на простом примере, увидим каким образом...
这项活动的重点是确定稳定的模式（或你想称之为什么），它们是稳定的，因为它们在不同的BP上起作用；我在这个领域的胆小实验表明，这在原则上是可行的......并因此增加了稳健性（降低了拟合度）。
首先在一个VR上进行训练，然后再在另一个VR上进一步训练。你需要看哪些实施方案，可能是不同的
我还人为地在特征中添加噪音，有时会改善效果。
看一下重要性 抽样，它也很有趣。
元学习
我会称其为 "缩减学习"，或者 "缩减学习"，更重要的是，等待佩尔韦连科或杰尼森科的 "缩减学习 "文章，用先进的OOP（>5个继承深度），90%的准确率和测试中相同（相等）的利润和缩减比例，或者像过去的好日子一样，没有任何测试，都在Lern和马丁，纯指数）)
凯莎，别再吸那垃圾了。否则你真的会成为...
这些白痴是从哪里来的？
我需要马上写一篇关于"缩减学习 " 的文章。
迁移学习 是指在一个数据集或算法上训练出来的选定的（通常是前1-2层）神经元/层作为一个部分被用于另一个网格，它被用于图片的风格化。
没有必要对你一无所知的主题给予帮助。你跳来跳去，拿起术语，认为自己已经成为一个专家。 一个话匣子，是的，但不是一个专家。
没有流鼻涕的冰。
你不需要对你一无所知的话题提供参考。你上蹿下跳，拿起术语，并认为你已经成为专家。 一个话匣子，是的，但不是一个专家。
嗯，当然不是 "专家"，否则我为什么要在这里闲逛，我所有的希望都在你和马克西姆-丹尼森科身上，在 "专家 "身上，我在等待你写一篇关于这个问题的 "文章"，最好是用诈骗信号来加强它，像马克西姆-丹尼森科的多巴胺那样的东西
当然我不是 "专家"，否则我为什么要在这里闲逛，我所有的希望都寄托在你和马克西姆-丹尼森科这些 "专家 "身上，我在等待你写一篇关于学习过程 的 "文章"，甚至最好用诈骗信号来支持它，比如马克西姆-丹尼森科的多巴胺。
只要你阅读RL "专家 "试图将多巴胺应用于金融时间序列的文章和书籍，你就会发现，多巴胺是这个主题可以做到的最好。
我不在乎你是否喜欢，他们忘了问你。
至少写一个没有任何第三方库的简单加强版，我就笑了
鸡奸者
雄鸡
这也会发生在你身上，当生活带你兜风的时候，没有什么是永恒的，你的 "黄金笼子 "迟早会崩溃，然后......。
这也会发生在你身上，当生活带你兜风的时候，没有什么是永恒的，你的 "金笼子 "迟早会崩溃，然后......。
生活让你的乳房受到影响，你像个女孩一样哭泣，这里的主题是什么？ 去找心理医生吧，这个论坛上有很多这样的人。我可以直接给你发信息，我没有很好的策略意识。
首先在一个VR上训练，然后在另一个VR上刷新。你需要看哪些具体的实施方案，可能是不同的
我还人为地在特征中添加噪音，有时会改善效果。
看一下重要性 抽样，它也很有趣。
更多的元学习
不...我在训练中平等地使用一个、另一个和第三个BP，让我们看看会有什么结果。
不，不...一个、两个、三个BP在训练中被当作等价物，让我们看看会有什么结果。
我也在我的机器人中同时尝试了几个机器人，我没有看到任何改善......我有一个奇特的东西，它自己会照顾自己。
我今天看到了关于最大熵的有趣研究，我喜欢如何使用熵来确定输入（文章的第二部分）。
显然，我身上缺少的是什么。我甚至想出了几乎同样的东西，但却无法表达出来。这是有理论支持的。
这也表明，不同的市场有不同的预测，所以如果都在一堆...我不知道
https://robotwealth.com/shannon-entropy/
我有一个具体的事情，它在自己的头脑中......我今天有一个关于最大熵的有趣研究。
我今天看到了关于最大熵的有趣研究，如何使用熵来确定输入（文章的第二部分），我喜欢它。
显然，我身上缺少的是什么。我甚至想出了几乎同样的东西，但却无法表达出来。这是有理论支持的。
这也表明，不同的市场有不同的预测，所以如果都在一堆...我不知道
https://robotwealth.com/shannon-entropy/
这里有另一份关于熵的有趣材料，作者用他的手指解释了它，可以这么说
https://habr.com/ru/post/171759/
我找不到任何关于决策树的信息，网上有一些零散的信息，我需要一些文献形式的东西。