神经病患者，不要路过 :) 需要建议 - 页 6

新评论
 

已经知道接下来要测试哪几对了 :)

 
TheXpert:

我已经知道下一步要测试哪一对了 :)

尽量不要测试对子，但是DTs ...

;)

 
alexeymosc:

你如何处理神经网络再训练的问题？你如何形成测试样本？

并没有。有了一定的权重和图案比例，这个问题就不再发生。我刚才说的是取样。

很明显，该系统在测试段中学习得很好，并接近于模式，但有时在验证段中却失败。也许以不同方式塑造测试样本是有意义的......
如果有这么简单就好了...这可能是有道理的...另一种情况是什么呢？
 

正如他们所说，这些是我目前心中的选择。


- 测试样本总是由验证截止日期之前的最新数据组成（考虑到 "时间序列再现效应"，尽管这也是研究者的先验假设之一，但人们可以尝试）。


- 测试样本与训练样本随机地混合在一起。


- 测试样本不是随机地与训练样本混在一起，而是00010001型，即均匀地覆盖样本空间。



并为每种情况尝试不同的测试样本量。选项。


- 等于验证的截止点。


- 根据抽样误差计算，即置信区间为 5%，置信度为95%。

 

所以我理解，你根本不使用测试样本...你只要训练好网络就可以了，也就是说，你一次就可以测试。而如果网络在相同的数据（训练样本）上进行训练，并在测试样本上评估训练的质量？然后--OOS。

IMHO - 测试样本对于控制网络的训练 是必要的。

 

我同意alexeymosc 的观点。如果你进入了神经网络，你应该适当地武装起来。

我想这是它的名字。

  • 训练数据取样（数据段A；对其进行误差估计没有意义）。
  • 验证（估计另一个数据段B的误差；数据段B隐含地参与了训练，因为B通过最小误差决定了训练的结束。）
  • 和测试，C（数据完全不知道）。
 
joo:

流动图案理论....


你是如此自信地谈论着一些流动的模式。与此同时，Yandex和Google甚至都没有听说过他们（或者他们的搜索也不工作:)）。虽然我可能知道你的意思，但如果可能的话，我希望至少能有更多的细节。

TheXpert。

我已经知道下一步要测试哪一对了 :)


为什么是成对的？）尝试一些指数，黄金...我想知道什么会在那里发挥作用。

而在我看来，到目前为止，所有这些图片都说明，目前TC的这种设置是行不通的。但从2001年到2005年，它是伟大的）我们应该做一些调整。

 
Figar0:


1）你如此自信地谈论一些流动的模式。

2）同时，Yandex和Google甚至都没有听说过他们（或者他们的搜索也不工作:)）。虽然我可能知道这一切是怎么回事，但如果可能的话，我希望至少能有更详细的内容。

.....

1）嗯，还能怎样？你知道这是我的想象力的产物。

2）它不是很出名，我想。:) 我还能说什么呢？- 就像我之前说的那样，你可以在论坛上查找。也许我会把我所有的帖子堆积起来，写一些理论精髓的 "综述"，这对我个人会有帮助。

 

也许这是一个微不足道的问题，但仍然是。

你能告诉我这是不是教授NS的正确方法吗？

或者说，反复训练，但对指标的目的不同，是否有错，应该这样？

如果有的话，我使用NeuroSolutions。

 
Summer:

请你告诉我，这是否是教授NS的方法？

我看不出有什么好的理由说不。为什么不呢？ 这些数据是新的吗？是的。

使用窗口法教学（即基本上得到一个递归公式），正是这样的教学方式。

1234567891011121314
新评论