交易中的机器学习：理论、模型、实践和算法交易 - 页 2830

[mytarmailS]

我的鼻涕都流到你身上了，你个没脑子的裤腰带主义者））啊哈

[mytarmailS]

Andrey Dik #:
你最好保持沉默，你会显得聪明得多，至少举止得体。

您应该学习数据库 BASE!!!!

什么是局部优化、全局优化、函数类型、优化类型、优化类型、对什么函数应用什么样的优化等....。

离散优化、连续优化、多标准等......有什么区别，目的是什么，在什么情况下应用其中一种而不应用另一种....。

你连最基本的东西都不知道！.....！

如果我有话要说，为什么要保持沉默，我不是一个只想说几句话的傻瓜。

[Maxim Dmitrievsky]

他通常会对上网感到非常兴奋。当他上网查到什么东西时，他会很高兴地与人分享。

[mytarmailS]

不允许你思考，像你这样的人也不允许思考，只是点头哈腰，对他们所说的一切深表赞同。

[СанСаныч Фоменко]

Maxim Dmitrievsky #:

建议您在一些有代表性的功能上测试学习/优化，这是一种很好的做法

如果您认为神经网络可以完美地完成这项工作，那您可能就错了

在卡戈崇拜和对神圣 R 的信仰层面上，存在着一种特殊的观念，它带来了文明的馈赠。

我总是更相信专业人士，他们终其一生都在处理一个问题，那就是优化，尤其是梯度下降。

而外行的主要标志就是诋毁专业人士。R 是一门专业语言，是当今统计学领域的标杆。是时候学习这一点了，而不是去写什么 "信仰和卡戈崇拜 "之类的废话。

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

我总是更相信那些一辈子都在研究同一个问题的专业人士，这里指的是优化，尤其是梯度下降。

而外行的主要表现就是诋毁专业人士。R 是一门专业语言，是当今统计领域的标杆。现在是学习这门语言的时候了，而不是写什么 "信仰和卡戈崇拜 "之类的废话。

你当然相信专业人士，但你没有说出一个专业人士的名字，也没有提供有关这一主题的作品清单

这又是一个毫无意义的帖子。还请举例说明，哪里写到 R 是统计学领域的基准，以及统计学与它有什么关系

对我来说，R 用户在这个论坛上已经成为一个有名无实的名字，带有一种暗示，这就是我嘲笑它的原因。它只与本主题相关，与其他主题无关。

例如，很久以前我参加过会计专业的 1C 课程。课程由一个臭烘烘（字面意思）的学生主讲，他的汗味熏得全场都转过了鼻子。然后，大家都被这个主题的变化逗笑了。类似的情况也发生在这里，这多少破坏了人们对语言的态度。语言印象 😀

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
1. 你当然相信有专业人士，但你没有说出一个专业人士的名字，也没有提供有关这一主题的作品清单

2.这又是一条毫无意义的信息。还请举例说明，哪里写到 R 是统计学领域的基准，以及统计学与它有什么关系

只要不给出事实，这一切就更像是教派人士的叫嚣。R 本身是一种普通语言，没有任何突出之处。我想说的是，它有点多余，因为它类似于 Python--统计学、机器学习和高级编程的基准。我不明白你为什么在每篇文章中都要如此大喊大叫地诋毁它，然后又敦促使用它。这是专业人士的做法吗？

1.Dick 的问题完全正确。我不使用 NS，但我知道一个事实：任何 R 软件包中的任何函数都必然包含算法作者的参考文献，而对于严肃的算法，还必然包含描述在 R 中实现算法的文章/书籍的参考文献。由于您对 NS 非常熟悉，如果您使用 R，您可以在 R 中搜索相应类型的 NS，找到描述相应算法的相应参考文献，找到关于该算法的讨论，找出专业人士的所有细微差别......并以最高的专业水平回答迪克，而不是喃喃自语说些猥亵的话。

2. R 的名称：统计和图形语言。R 的精髓可从其参考工具的标目中窥见一斑。

以下是 R 软件包所涵盖的主题列表。其中一个主题是机器学习。

以下 是与机器学习相关的软件包列表。

直到几年前，我们还能在其他专业统计语言中找到 R 的竞争对手。例如，SPPS，但迄今为止我还没有找到。R 一直是唯一的统计语言，受到支持和管理，拥有大量镜像，并包含在微软软件中。

将 R 与 Python 相提并论是绝对错误的。

R 是一种专业语言。Python 是一种通用语言。Python 的用户数量远远超过 R，但 Python 的大众用户是网页设计。Python 拥有统计软件包这一事实并不能将其归类为统计语言。在此基础上，C++（R 和 Python 使用的软件包都是用 C++ 实现的）可以归类为统计语言。由于 R 有详细的标准和对拟议函数算法的参考，它可以用来研究统计学的理论和实践，而 Python 则不能。

[Aleksey Nikolayev]

mytarmailS #:

阿列克谢，你知道如何优化噪声函数吗？

我没有详细研究过这个问题。这个想法似乎很简单，但在实现方法上有很多技术上的微妙之处。

[Aleksey Nikolayev]

Maxim Dmitrievsky #:
有完整的搜索，也有优化。它需要缩短找到最优解的时间。既然如此，它总是一个折衷方案。你可以用随机梯度法进行优化，得到比亚当法更好的结果，但要牺牲时间。我们必须做出选择。对于某些任务，精度可能比速度更重要，例如，提高 TC 的期望值。 。

在这里，只看视觉结果就很有趣。

一个重要的问题是优化什么。我希望优化与利润、缩水、波动等相关的有意义的标准。

完全超调是最佳优化方式），可惜并不总是适用。）

[Maxim Dmitrievsky]

Aleksey Nikolayev #:

一个重要的问题是优化什么。我希望优化与利润、缩水、波动等相关的有意义的标准。

完全超调是最佳优化方式），可惜并不总是适用。）

我想引用一句口号 "战斗和搜索--发现和隐藏"。

将任何标准设置为自定义指标，尤其是这些标准指标。它仍会按 logloss 进行优化，但会停止在这些自定义标准上，这或许有些道理

事实上也是如此，因为停在同一位置总是基于某些标准，如准确性。