交易中的机器学习：理论、模型、实践和算法交易 - 页 605

[Maxim Dmitrievsky]

elibrarius。
我想自动确定网络中神经元的数量。计算的公式是什么？

我在某处读到，输入层应该是输入层的一半大小，最多两层，再多就没有意义了。

为MLP

[Maxim Dmitrievsky]

他不再教书了。 他得到了足够多的傻瓜，于是开了一家经纪公司。

如果你对教育投资是认真的，你应该去找Gerchik或者直接去找Perepelkin。

佩雷佩尔金不再教书了，他得到了足够的吸食者，并开了一家dc。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

我在某处读到，inlayer应该是输入层的一半大小，最多2层，再多就没有意义了。

这是为了MLP

绝对是胡说八道。要么更少，要么更多，而神经元或层--这一切都取决于任务。Heikin（我想你有）描述了如何以及为什么。

[Maxim Dmitrievsky]

尤里-阿索连科。
绝对是胡说八道。它可能更少或更多 - 这取决于任务。Heikin（我想你有一个）描述了如何和为什么。

我没有看到他的这些信息，也许我没有仔细阅读。

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

我没有看到他的这些信息，也许我没有仔细阅读。

第2层通常比输入层大，因为它开始提取特征，而且可能有很多这样的特征，即使你有一个是/否分类。

海金肯定有，而且写得比我好得多)。

[Forester]

尤里-阿索连科。
绝对是胡说八道。可能有更少或更多的神经元和层 - 这取决于任务。海金（我想你有）描述了如何以及为什么。

我见过一个关于输入数/2和其他的变体。
如何自动计算出最佳变体？

[Yuriy Asaulenko]

elibrarius。

我见过输入的数量/2的选项和其他的。
我如何自动计算出最佳方案？

我可能是错的，但在我看来--不可能。你从一般的考虑中选择，然后根据训练的结果，你在层中添加/删除神经元，甚至添加/删除额外的层。

[Maxim Dmitrievsky]

尤里-阿索连科。

第2层通常比输入层大，因为它开始提取特征，而且可能有很多这样的特征，即使你有一个是/否分类。

海金肯定有，而且比我的写得好得多）。

经验法则是，这个[隐藏]层的大小介于输入层的大小之间 ...和输出层的大小....

为了计算隐藏节点的数量，我们使用一般规则：（输入数+输出数）x 2/3

这是最常见的建议......但一般来说，有一些确定的方法，你必须阅读谷歌，但那里很复杂

NS不提取任何特征，特征被送入输入。它对所有组合进行降采样或切分（随着神经元数量的增加）。

[Forester]

关于选择层数的一句话。

一个有三层的网络（numLayers=3：一个输入，一个隐藏和一个输出）通常在绝大多数情况下是足够的。根据Tsybenko定理，具有一个隐藏层的网络能够接近任何连续的多维函数，达到任何所需的精确程度。一个有两个隐藏层的网络能够逼近任何离散的多维函数。

我不知道条形分析是指连续的还是离散的函数。

[Forester]

马克西姆-德米特里耶夫斯基。
NS不提取任何特征，特征被送入输入。它或缩小或缺口所有组合（随着神经元数量的增加）。

有！因此高估神经元的数量也是有害的。它将与噪音一起记住，而不是一概而论。