交易中的机器学习：理论、模型、实践和算法交易 - 页 3008

新评论
 
mytarmailS #:

我们只剩下超额完成目标了，我们正在慢慢达到 RL

已经通过了:) 弱点在于近似值，它不能孤立地进行概括。但它对普通教育很有用。NS 无法区分 "准有用 "和 "实际有用"。因为数据中真正有用的部分很少。在数据中加入一点有用的信息就可以了。

要么跟随更有效的创新，在其成为主流之前率先应用，要么自己骑自行车。

变形金刚没有用，让我们看看他们还能想出什么办法。
 
Maxim Dmitrievsky #:
变形金刚》没有成功，让我们看看他们还能想出什么。

你已经等不及了。

 
mytarmailS #:

你就等不及了。

我不抱太大希望，只是偶尔偷看一下。毕竟 gpt 我预测这个话题会停滞不前。看不到任何突破。这只是一场炒作，就像加密货币一样。现在他们会赚点钱，然后冷静下来。
 
Maxim Dmitrievsky #:
我不抱太大希望，只是时不时地偷看一下。毕竟 gpt 我预测这个话题会停滞不前。看不到任何突破。纯粹是昙花一现的炒作，就像加密货币一样。

我的观点恰恰相反。

我普遍认为，一个强大的人工智能早已诞生（只不过不是为我们而生），而整个加密货币行业（整个世界）都在为训练它而努力，却不自知。

 
mytarmailS #:

我的看法恰恰相反。

我普遍认为，一个强大的人工智能早已诞生（只不过不是为我们而生），整个加密产业（整个世界）都在为训练它而努力，却浑然不知。

那么合乎逻辑的问题是：基于什么技术。如果是在变形金刚上，那么它根本就不是人工智能，也永远无法成为人工智能。
 
Maxim Dmitrievsky #:

不明智，我不需要帮助。论坛与其说是线索，不如说是干扰。我只是泛泛地说说我的经验。有时我也会卖弄一下：）不管是谁听了，都会因继承它而节省时间。


对征兆的过度关注是一种有缺陷的策略，效果很差，这对我来说已经是公理了。我想说的是 IMHO，但它更像是一个公理。

我需要帮助--我想到的比我在代码中检查到的更多更快。

你不需要搜索功能，你需要选择它们并正确设置它们。

 
Aleksey Vyazmikin #:

我需要帮助--想出更多更快的方法，而不是用代码进行测试。

你不需要过多的功能--你需要选择它们并正确地设置它们。

小说也是如此。他们想出很多东西，却没有时间写下来：）然后，以阿列克谢-尼古拉耶夫为代表的编辑委员会就会把所有东西都删掉。
 
Maxim Dmitrievsky #:
那么合乎逻辑的问题是：用什么技术。如果是在《变形金刚》上，那就根本不是人工智能，也永远不会是。

谁说得准？

但是，如果你需要全世界的计算能力，从手机到与发电厂相连的加密农场，那么技术一定很糟糕......

但目前没有更好的技术了。

 

在我看来，这听起来既简单又琐碎。

1.我自己也曾工作过：有一位老师，对它来说，有必要拾起/处理这些迹象。

2.2. 正如mytarmailS 所说，你可以设定一个相反的任务：有一个标志，并为其匹配/创建一个教师。我不喜欢这样做。我没有尝试这样做。


实际上，这两种方法都是一样的：现有教师-特征对的分类误差不应超过样本外的 20%。但最重要的是，应从理论上 证明现有特征的预测能力在未来不会发生变化，或变化微弱。在所有的蒸馏过程中，这是最重要的一点。


我要说明的是，我的推理不包括模型选择。我认为，模型的作用极其微小，因为它与特征预测能力的稳定性无关：预测能力的稳定性是教师-特征对的属性。

1.还有谁的教师-特质对的分类误差小于 20%？

2.还有人有实际证据表明所使用特征的预测能力的变异性小于 20%吗？


有人有吗？那就有讨论的余地了


没有？其他都是胡说八道。

 
СанСаныч Фоменко #:

在我看来简单而琐碎。

1.我自己也曾工作过：有一位老师，有必要拾起/处理这些迹象。

2.正如mytarmailS 所说，可以设置相反的任务：有属性，并为其匹配/创建教师。我不喜欢这样做。我不想走这条路。


实际上，这两种方法都是一样的：现有教师-特质对的分类误差不应超过样本外的 20%。但最重要的是，应从理论上 证明现有特征的预测能力在未来不会发生变化或变化微弱。在所有的蒸馏过程中，这一点最为重要。


我要说明的是，我的推理不包括模型选择。我认为，模型的作用极其微小，因为它与特质预测能力的稳定性无关：预测能力的稳定性是教师--特质对的属性。

1.还有人有分类误差小于 20%的教师-特质对吗？

2.是否有人有实际证据表明，所使用特征的预测能力的变异性低于 20%？


有人有吗？那就有东西可以讨论了


没有？其他一切都是胡说八道。

教师是一组特质和标签，而不是你写的：)或者说，它根本就是一个人，或者说是生成这些数据的算法 😀

模型的选择起着作用，你必须选择一个强大的模型。但由于所有强模型都具有相同的强特性，因此在它们之间进行选择已经是无原则的了。

有时，了解正确的定义有助于正确思考。
1...300130023003300430053006300730083009301030113012301330143015...3399
新评论