交易中的机器学习：理论、模型、实践和算法交易 - 页 2313

[mytarmailS]

elibrarius:
在理论上，是的。
但仍然是这样，行动的意义何在？

你无法反驳这一点，没有任何意义......

elibrarius:
我们需要在100分中得到10分。有什么解决办法吗？

我不知道它在alglib中是如何工作的，试着从psa函数中提取信息，看看你需要多少个组件才足以描述100个奖品。

或者只是把psa的前N列拿出来蒸煮......。

但这一切都无济于事...如果你有5万个功能，你需要Rsa，但如果你想在不了解你在做什么的情况下玩玩，你根本不需要Rsa，结果会比没有Rsa更糟糕，概率为99.999...%。

[Maxim Dmitrievsky]

elibrarius:
在理论上，是的。
但仍然是这样，行动的意义何在？如果没有速度上的提高，而是减慢，对于一个额外的操作。
有必要在100分中得到10分。有什么解决办法吗？

取出协同学矩阵的前10个分量。

[Forester]

Maxim Dmitrievsky:

取矩阵的前10个成分

矩阵不会工作--它是100x100。

我们不需要10x10或10x100，我们需要做一些计算来得到10x1000。也就是说，对于1000个矩阵行，我们需要10个GCs。

[Maxim Dmitrievsky]

elibrarius:

矩阵不会工作--它是100x100。

我们不需要10x10或10x100，根据一些计算，我们需要10x1000。也就是说，对于1000行中的每一行，应用10个GCs

在我的印象中，每个成分点是属性值与它们的共价物的乘积之和。

进行计算并与sklearn进行比较。

矩阵可能会变成倒置的，那么从最后。这必须在那里进行额外的检查。

[Forester]

Maxim Dmitrievsky:

据我所知，每个成分点是特征值与它们的协和值的乘积之和。

计算一下，并与sklearn进行比较。

矩阵可以被倒置，然后从末端开始。你应该在那里额外检查一下

一般来说，你需要像上述那样的循环。

[Maxim Dmitrievsky]

elibrarius:
一般来说，你需要像上述那样的循环。

s(bestfeatures) 只是被选中进行训练的组件的数量。

每个组件的值都乘以每个属性的值，然后将它们加在一起。因此，对于每一行的输入行。

我必须记住，我没有时间。我必须阅读文件。

[Forester]

Maxim Dmitrievsky:

那里的 s（bestfeatures）只是被选中用于训练的组件的数量，有点像

每个组件的值都乘以属性的值，然后再加在一起。对初始系列的每一行也是如此。

我必须记住，我没有时间。我需要阅读文件。

是的，结果与sklearn相同。我一开始处理的是第一个例子的代码，它有全部100个GC。
现在一切都很好。

[mytarmailS]

决定看看每一层的网络内部是什么......通过umap将维度降低到每一层的两个组成部分

一个有三个内部层的网络，几乎没有经过训练，只有400个例子......但看起来还是很有趣......

[Vladimir Perervenko]

mytarmailS:

决定看看每一层的网络内部是什么......通过umap将维度降低到每一层的两个组成部分

一个有三个内部层的网络，几乎没有经过训练，只有400个例子......但看起来还是很有趣......

你是如何做到的？

输出的尺寸是多少？

[Vladimir Perervenko]

cemal:
路德维希有深度学习模型，不需要写代码，不需要编程技能就可以教模型:https://ludwig-ai.github.io/ludwig-docs/

最近安装了它。还没来得及检查它。他们承诺创造奇迹。