交易中的机器学习：理论、模型、实践和算法交易 - 页 3374

新评论
 
СанСаныч Фоменко #:

前不久，有一篇文章认为，NS 对于表格数据和我们处理表格数据来说不够好，更适合图像和文本解析。


这似乎 总是显而易见的，尽管很难从形式上证明。

最近，我在一本关于 MO 的 SHAD 教科书中看到了这一说法，书中还提到（未经证实），现代深度网络在表格数据上的工作能力并不比树状搜索差。

 
那么，如果数据被写入表格，它就变成表格了吗？）
 
Maxim Dmitrievsky #:
那么，如果数据被写入表格，就会变成表格数据吗？）
如果可以写入表格，但不能写入矩阵）。
 
Maxim Dmitrievsky #:
所以，如果把数据放到表格里，它就变成表格了吗？）

这其实就是 "闻铃不知铃"。

这百分之百是双重翻译和相对陈旧的命名规则带来的奇迹。

最初，它更多的是指表格数据（记忆的、预先计算的、事先知道的）。Tabular 和 tabulated 经常被混淆。

 
最初是关于原始数据。它们要么立即表格化，要么永远不会表格化:)
 
Maxim Dmitrievsky #:
最初是关于原始数据。它们要么立即表格化，要么从不表格化:)

表格是一种可视化表达方式。仅此而已。

最初什么都不是，"我记得在哪里读过或听过"。

 
手机上没有回复信息的按钮。神经网络在最初的表格数据上表现较差。这是你必须掌握的窍门。

哦，现在点击信息时会出现按钮。
 
Maxim Dmitrievsky #:
手机上没有回复信息的按钮。神经网络在最初的表格数据上表现较差。

哦，现在点击信息时会出现按钮。

初始表格数据：

x; y ; h ; s ; v ；

 
Maxim Kuznetsov #:

最初是表格数据：

x; y ; h ; s ; v；

最初是像素矩阵，数据不是表格数据，而是同质数据。对于 NS 来说，这是一件好事。这也是它胜过 "拗造型 "的地方。
 
Maxim Dmitrievsky #:
最初它是一个像素矩阵，数据不是表格形式的，而是同质的。这对 NS 有好处。这就是它优于 Bousting 的地方。

离散数据以表格形式呈现。

不是 T.O.？

那我就直接糊涂了......什么是表格/非表格数据.....表格是线性度量，Y 完全取决于 X？那么是的，它根本行不通，自然界中没有这样的怪兽。

1...336733683369337033713372337333743375337633773378337933803381...3399
新评论