交易中的机器学习：理论、模型、实践和算法交易 - 页 979

新评论
 

我玩过NS和kfold，也玩过来自alglib的NS组合，用于分类（softmax），第一印象。

1.LBFGS的列车比LM快得多（等待第二辆是不真实的），即使是没有合奏的NS也是如此。

2.kfold一直显示出巨大的学习误差，我甚至在2次犯规时都没能让策略进入++位置，更不用说10次了。也许不是很适合我的任务，但我会再试试。

基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量，但训练速度较慢。

3.带有验证抽样的早期停顿集合（我使用的是LM）：完全迫不及待地想学习它。

4）参数的调整（步长、再触发次数）并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。

5.总的来说，我的印象是，国家安全局是以同样的方式进行再培训的，国家安全局在越野方面的合奏，比森林委员会的再培训要少一点。

所有这些都是为了然后与xgboost进行比较，例如，我将在以后调查。

++和我一起堆放 模型并没有带来更多的稳定性，训练的方式是一样的，有时你可以在一个托盘上改善结果，因为模型只是训练得更多。

 
马克西姆-德米特里耶夫斯基。

嗨，有点离题了。有一次在论坛上我发现了你与另一个人的通信。你们在那里讨论用什么程序来做微软的帮助。(按F1弹出的那个）。以更方便的形式收集我的代码变体，并进行搜索。请再次告知。(我希望我没有弄错，是你））。

 
叶夫根尼-拉斯帕耶夫。

嗨，有点离题了。前几天我在论坛上发现了你和另一个人的通信。你在那里讨论了你用什么程序来做微软的帮助。(当你按下F1时弹出的那个）。以更方便的形式收集我的代码变体，并进行搜索。请再次告知。(我希望我没有弄错，是你））。

我想这不是我）不记得了。

 
马克西姆-德米特里耶夫斯基。

我不认为是我）我不记得了。

抱歉，抱歉）））。

 
叶夫根尼-拉斯帕耶夫。

遗憾的是，我向你道歉）））。

帮助与手册尝试。
 
Dmitriy Skub:
帮助与手册 试试吧。

哦，这正是我需要的。

 

下午好））。


当你在这里搜索时，我们已经创造了REE--俄罗斯的突破性元素。

这就是 "第五元素"--圣杯、哲学家的石头、朱砂、气功系统，我们的科学专家在算法方面的成就。

现在，任何经济-金融项目 都将通过RPE的深度神经元分析进行优化。

也就是说，在未来，1卢布将等同于1美元--通过经济突破。


我们正在走向更光明的未来！)

 
亚历山大-伊万诺夫。

下午好））。

....

你一定是天才团队中的一员，不是吗？ 等等，普通不成熟的头脑可能不明白)

 
马克西姆-德米特里耶夫斯基。

我玩过NS和kfold，也玩过来自alglib的NS组合，用于分类（softmax），第一印象。

1.LBFGS的列车比LM快得多（等待第二辆是不真实的），即使是没有合奏的NS也是如此。

2.kfold一直显示出巨大的学习误差，我甚至在2次犯规时都没能让策略进入++位置，更不用说10次了。也许不是很适合我的任务，但我会再试试。

基于bagging和LBFGS算法的NS集合与支架集合具有相同的质量，但训练速度较慢。

3.带有验证抽样的早期停顿集合（我使用的是LM）：完全迫不及待地想学习它。

4）参数的调整（步长、再触发次数）并没有带来明显的改善。将神经元的数量增加2-3倍会有小的改善。

5.总的来说，我的印象是，国家安全局是以同样的方式进行再培训的，国家安全局在越野方面的合奏，比森林委员会的再培训要少一点。

所有这些都是为了然后与xgboost进行比较，例如，我将在以后调查。

++和我一起堆放模型并没有带来更多的稳定性，学到的东西是一样的，有时你可以在一个托盘上提高结果，因为模型只是更容易训练。

我还想知道你正在玩的那个玩具的名字。

 
弗拉基米尔-佩雷文科。

我希望我知道你所玩的玩具的名字。

它说 - 数值分析库alglib，移植到MT5。我已经把它用起来了，一般来说没有问题，图书馆也不错。但没有可视化和较新的模型。似乎图书馆不再发展了，他们的网站上一片寂静。

1...972973974975976977978979980981982983984985986...3399
新评论