交易中的机器学习:理论、模型、实践和算法交易 - 页 3008 1...300130023003300430053006300730083009301030113012301330143015...3399 新评论 Maxim Dmitrievsky 2023.04.09 11:17 #30071 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。 mytarmailS 2023.04.09 11:46 #30072 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。 Maxim Dmitrievsky 2023.04.09 11:50 #30073 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。 mytarmailS 2023.04.09 11:55 #30074 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。 Maxim Dmitrievsky 2023.04.09 11:59 #30075 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。 Aleksey Vyazmikin 2023.04.09 11:59 #30076 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。 Maxim Dmitrievsky 2023.04.09 12:03 #30077 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。 mytarmailS 2023.04.09 12:06 #30078 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。 СанСаныч Фоменко 2023.04.09 12:18 #30079 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。 Maxim Dmitrievsky 2023.04.09 12:22 #30080 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 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
我们只剩下超额完成目标了,我们正在慢慢达到 RL
你已经等不及了。
你就等不及了。
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。
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。
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。
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。
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。
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。