交易中的机器学习：理论、模型、实践和算法交易 - 页 2044

[mytarmailS]

马克西姆-德米特里耶夫斯基。

你们都相信))))

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

如果我从视频中理解正确的话，有一个函数/库，在卷积网络中搜索特征，即现成的模式，应该通过这些模式/预测器来找到 - 我想知道在那里预计会找到什么，这个面具是如何制作的 - 逻辑是什么，你是否知道任何机会？

它从训练权重中获取给定模式长度的掩码本身。

它只是在特征向量上传递一个窗口，该窗口小于特征的数量。一个卷积发生了。

[Maxim Dmitrievsky]

mytarmailS:

你继续相信))))

我们的格言是无敌的

[Maxim Dmitrievsky]

阿列克谢-维亚兹米 金。

我不确定我们的输入数据是否适合这个网络--在图片中它有点平滑。

任何数据，任何时间序列

它是现在和未来类型的技术

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

在训练期间，它从给定模式长度的权重中提取掩码。

它只是在特征向量上传递一个窗口，该窗口小于特征的数量。它使人信服。

我以为演讲者说的是一些现成的面具解决方案，嗯，我一定是搞错了。

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

演讲者似乎在谈论某种现成的面具解决方案，嗯，我一定是误解了。

掩码是一个滑动的窗口

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

任何数据，任何时间序列

这些都是目前和未来的技术类型

也许一个矢量会显示出运动，但波动对我们来说不是更重要吗？我们不是应该寻找有潜在强异常值的点吗？

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

也许矢量会显示出运动，但波动对我们来说不是更重要吗？我们不是应该寻找有潜在强排放的点吗？

什么？

[Maxim Dmitrievsky]

mytarmailS:

你继续相信))))

20克里特。

看看发生了什么事。

纪元820列车误差：0.4057188332080841 TST误差：0.4114921987056732

写一个测试员--看一看

[Rorschach]

在测试器中运行，左栏期望。很明显，这与本月的日期有关系，而catbust被设置为0。

产出更加多样化。