神经网络和输入 - 页 34

[Debugger]

这回答了提问者提出的问题

[[删除]]

天才...

[Debugger]

不管是谁没能看到它，都太晚了，正如他们所说的......

[[删除]]

不要为我担心--当我看到这个创造时，一道强大的闪光照亮了我周围的一切，一个来自天堂的雷鸣般的声音说："这就是真相！"。我敬畏地跪在地上，在祈祷中忘记了自己......。

[Debugger]

[Vladimir Perervenko]

我还是不明白你想要的输出是什么？

你为什么不首先定义你在OUTPUT中想要什么？然后通过输入。

这两个主要问题是由不同的机器学习方法解决的：分类和回归。

神经网络 目前并不是这些任务的最佳方法，尽管如果准备得当，它们也能完成任务。

参考向量机（SVM）、随机森林（RandomForest）、决策树等都比较适合。

而自从引入 "部分学习 "的概念和方法后，聚类和分类之间的区别几乎被抹去。

是时候从NS地窖里爬出来了。方法的范围很广。

祝好运

[Vizard]

vlad1949:

更具适应性的支持向量机（SVM）、RandomForest、决策树

有任何例子吗？

[Роман]

她在那里--超人的神经元!:-)

巴特先生 - 三百英镑！这些年是微不足道的...。

[[删除]]

vlad1949:

适应性更强的 支持向量机（SVM）、RandomForest、决策树等。

你怎么能证明呢？）
其实 分析市场，做出交易决策，虽然在一些人看来很矛盾，很奇怪，但这是一项非常简单的工作。整个问题是 "交易员 "膨胀的期望。你是对的：

vlad1949:

神经网络...如果准备得当，就能完成任务。

而且，其结果不会与所列的任何方法有根本性的区别，一般来说，也不会与任何非空的方法有区别。

[[删除]]

Roman.:

她在那里--超人的神经元!:-)

巴特先生 - 三百英镑！这些年是微不足道的...。

这就是我上面提到的那些 "夸大的期望"，25%的年薪，只需300美元和观众的笑声。