영역이 유한하고 정적이면 모든 것이 사실이지만 우리의 경우 무한하고 비정상이므로 샘플이 증가하면 훈련 품질이 저하되고 결과적으로 모델이 제대로 작동하지 않습니다. 새로운 데이터에.
시장에서 돈을 벌기 위해서는 다른 조건이 동일해야 거래의 매개변수가 수익성 있는 거래의 비율이 75% 이상이어야 하며 이보다 적으면 안 됩니다. 손익이 동일하다는 조건입니다. 예를 들어 1000개의 데이터와 60%의 훈련 결과에 대해 네트워크를 훈련하고 있습니다. 학습이 제대로 이루어지지 않았다면 그러한 모델을 작동시키는 요점은 무엇입니까???? 넓은 지역에서 좋은 결과를 얻으려면 작동하지 않을 것이라고 확신합니다. 나는 일반화 된 모델에 대해 이야기하고 있으며 과도하게 훈련 된 모델이 아닙니다 ... IMHO
평소와 같이 - 이야기 할 것이 없습니다)))
오, 진짜??? 그들을 평가하려면 얼마나 많은 데이터가 필요합니까?
나는 아무것도 필요하지 않습니다. itslek - 적어도 2-3K 관찰을 제공합니다.
날짜, 원시, 처리됨, 대상
불행히도 전체 작업 기간 동안 그러한 금액을 찾을 수 없습니다. 그 다음엔??? 그들에 대해 훈련된 모델은 얼마나 오래 작동합니까 ??? 영원히???
나는 아무것도 필요하지 않습니다. itslek - 적어도 2-3K 관찰을 제공합니다.
날짜, 원시, 처리됨, 대상
그는 인공 지능을 가지고 있습니다. 이것은 50까지 배울 것입니다. 당신의 MO는 약합니다.
그는 인공 지능을 가지고 있습니다. 이것은 50까지 배울 것입니다. 당신의 MO는 약합니다.
그게 다야 이 교육을 받은 후 1년 동안 일하기 위해 NA가 필요하지 않습니다. 훈련 기간의 100%가 될 동일한 50점 이상을 그녀가 잘한다면 성공으로 간주할 것입니다. 그리고 수천 줄을 집어넣고 쓰레기와 불필요한 데이터로 머리를 채우는 요점은 무엇입니까????
농담은 Mishan의 최적화 프로그램이 작은 샘플에 대해 종속성을 잘 복원한다는 것입니다. 이것이 사실 그의 장점입니다. 책에 그렇게 나와 있습니다. 그리고 그는 그것을 자신의 뇌를 대체하는 것으로 막연하게 포착합니다.
또 다른 것은 어쨌든 큰 테스트 영역에서 테스트해야한다는 것입니다.
그리고 수천 줄을 집어넣고 쓰레기와 불필요한 데이터로 머리를 채우는 요점은 무엇입니까????
그 때 NN은 무언가를 분류합니다. 가능하면 최소한 무언가를 일반화하려고 노력하십시오.
그 때 NN은 무언가를 분류합니다. 가능하면 최소한 무언가를 일반화하려고 노력하십시오.
영역이 유한하고 정적이면 모든 것이 사실이지만 우리의 경우 무한하고 비정상이므로 샘플이 증가하면 훈련 품질이 저하되고 결과적으로 모델이 제대로 작동하지 않습니다. 새로운 데이터에.
시장에서 돈을 벌기 위해서는 다른 조건이 동일해야 거래의 매개변수가 수익성 있는 거래의 비율이 75% 이상이어야 하며 이보다 적으면 안 됩니다. 손익이 동일하다는 조건입니다. 예를 들어 1000개의 데이터와 60%의 훈련 결과에 대해 네트워크를 훈련하고 있습니다. 학습이 제대로 이루어지지 않았다면 그러한 모델을 작동시키는 요점은 무엇입니까???? 넓은 지역에서 좋은 결과를 얻으려면 작동하지 않을 것이라고 확신합니다. 나는 일반화 된 모델에 대해 이야기하고 있으며 과도하게 훈련 된 모델이 아닙니다 ... IMHO
Tren = 100k 라인. 나머지(테스트)에서 모델을 적용합니다.
로그 손실 메트릭. 컷을 게시합니다. 트렌 =... 테스트 =...
나는 당신의 파일에서 첫 번째 줄을 가져 와서 훈련을 시작했습니다. 결과가 내 것보다 40개 더 높으면 내 데이터보다 귀하의 데이터를 더 좋게 간주하겠습니다. 지금 바로 보자...