그러나 왜 정당화되지 않습니까? 어떤 것이 100번 반복되고 통계적으로 유의미한 결과가 나온다면 한 번의 관찰과 이해할 수 없는 결과가 있는 예보다 이것에 더 많은 비중을 두는 것이 적절합니다.
1) 구름을 100번 보았고, 70%의 경우에 비가 내리기 시작했습니다.
2) 무릎이 1번 가렵고 비가 내리기 시작함
왜 이 두 패턴에 같은 가중치를 주어야 한다고 생각하시나요? 전 세계가 다르게 생각하고 뉴런도 마찬가지입니다 :)
패턴이 100번 반복되고 같은 클래스에 속한다면 신경망은 필요하지 않습니다. 이 패턴을 식별하고 결론을 내리는 것으로 충분합니다. 과제는 네트워크를 훈련시키는 것이 아니라 일반화하는 것입니다. 그러나 다시 말하지만, 모두 학습 알고리즘과 선택한 네트워크 토폴로지에 따라 다릅니다.
동료들이여, 저를 너그럽게 용서해 주십시오. 그러나 제 말에서 무뚝뚝한 것이 있었습니다. 열보다 적은 행으로 구성된 훈련 세트가 있지만. 그러나 훈련 자체는 11개 열의 샘플에서 발생합니다. 일반적으로 나는 구체적으로 말하지 않습니다. 나는 내가 무엇을하고 있는지 몰랐습니다 :-(
마이클 마르쿠카이테스 : 동료들이여, 저를 너그럽게 용서해 주십시오. 그러나 제 말에서 무뚝뚝한 것이 있었습니다. 열보다 적은 행으로 구성된 훈련 세트가 있지만. 그러나 훈련 자체는 11개 열의 샘플에서 발생합니다. 일반적으로 나는 구체적으로 말하지 않습니다. 나는 내가 무엇을하고 있는지 몰랐습니다 :-(
죄송합니다) 잘 보고 이해해 주신 분...
그러나 나는 내 간단한 질문에 대한 대답을 들어본 적이 없습니다. 왜 고유한 값이 통계적으로 유의한 값보다 나은가요?
또한 모든 행을 고유하게 만들고 싶다면 방법을 알려 드렸는데 왜 하지 않으시겠습니까?
================================================
멋진 비디오 - 실제 작업이 MO에서 어떻게 그리고 어떤 방식으로 해결되었는지, VR과 함께 매우 흥미로운 작업이 있습니다.
그러나 나는 내 간단한 질문에 대한 대답을 들어본 적이 없습니다. 왜 고유한 값이 통계적으로 유의한 값보다 나은가요?
또한 모든 행을 고유하게 만들고 싶다면 방법을 알려 드렸는데 왜 하지 않으시겠습니까?
================================================
멋진 비디오 - 실제 작업이 MO에서 어떻게 그리고 어떤 방식으로 해결되었는지, VR과 함께 매우 흥미로운 작업이 있습니다.
네, 코드 감사합니다, 저장해 두었습니다만, 지금까지는 제대로 공부하지 않았습니다... 몇 주 동안은 봐야 할 것 같습니다...
통계적으로 유의미한 벡터는 NS 없이 정면으로 사용할 수 있기 때문입니다. 훈련 시 NN은 한 영역에 그룹화된 벡터를 더 잘 학습합니다. 미래에 같은 벡터가 나타나면 모든 것이 정상이지만 벡터가 근처에 나타나지만 다른 클래스에서 온 경우 네트워크는 100% 실수를 저지를 것입니다. 특정 클래스. 임호
당신의 성배 를 잠식하지 않고 .) 질문이 있습니다. 신경망은 은행이 특정 금액(예: 가격에 영향을 미침)의 통화를 매매하려는 욕구를 어떻게 예측합니까? 은행은 종종 어떤 주문을 실행할지, 어떤 클라이언트를 실행할지 스스로 알지 못하지만 여기에서는 신경망이 이미 모든 것을 알고 있습니다.) 모든 신경망은 이러한 방향으로만 관성을 포착할 수 있습니다. 이때는 투기량이 실현되고 가격이 적극적으로 그러나 신경망은 가격(가격 동인)을 변경할 참가자의 입장이 정확한 순간을 표시하지 않지만 이것이 필수는 아니지만 - 가격 동인과 그 방향을 결정하는 방법을 안다면 99%, 그러면 거래가 항상 구현되기 전에 이루어지며 안정적인 수익을 얻을 수 있습니다. 우리 회사에도 알고리즘 거래 부서가 있지만 이것은 매우 빠른 스캘핑에 더 적합합니다. 신경망은 또한 hft 로봇 알고리즘의 관성을 포착하고 분석에 따라 우리 로봇은 hft를 완전히 복사하여 거래를 합니다(이것은 특정 시장 및 상품) . 주요 거래는 손으로 구식 방식으로 진행됩니다. 가격 동인을 예측할 수 없기 때문에(예, 필요하지 않음) 볼 수만 있습니다 = 이것이 방향을 바꾸기 전에 차가 방향 신호를 표시하는 방법입니다( 신경망이 이 차량이나 다른 차량의 방향 지시등을 켜는 시점을 예측할 수 없다는 점을 이해하고 있습니다.) 따라서 기계 학습의 성공과 번영을 기원합니다)
즉, 알고리즘은 이 두 개의 가까운 벡터 에 비합리적으로 큰 가중치를 할당합니다 ....
그러나 왜 정당화되지 않습니까? 어떤 것이 100번 반복되고 통계적으로 유의미한 결과가 나온다면 한 번의 관찰과 이해할 수 없는 결과가 있는 예보다 이것에 더 많은 비중을 두는 것이 적절합니다.
1) 구름을 100번 보았고, 70%의 경우에 비가 내리기 시작했습니다.
2) 무릎이 1번 가렵고 비가 내리기 시작함
왜 이 두 패턴에 같은 가중치를 주어야 한다고 생각하시나요? 전 세계가 다르게 생각하고 뉴런도 마찬가지입니다 :)
그러나 왜 정당화되지 않습니까? 어떤 것이 100번 반복되고 통계적으로 유의미한 결과가 나온다면 한 번의 관찰과 이해할 수 없는 결과가 있는 예보다 이것에 더 많은 비중을 두는 것이 적절합니다.
1) 구름을 100번 보았고, 70%의 경우에 비가 내리기 시작했습니다.
2) 무릎이 1번 가렵고 비가 내리기 시작함
왜 이 두 패턴에 같은 가중치를 주어야 한다고 생각하시나요? 전 세계가 다르게 생각하고 뉴런도 마찬가지입니다 :)
그러나 그러한 통계는 아무 것도 가르쳐주지 않습니까?
100번 돈 벌고 HZix 1번 우승
;)
그러나 왜 정당화되지 않습니까? 어떤 것이 100번 반복되고 통계적으로 유의미한 결과가 나온다면 한 번의 관찰과 이해할 수 없는 결과가 있는 예보다 이것에 더 많은 비중을 두는 것이 적절합니다.
1) 구름을 100번 보았고, 70%의 경우에 비가 내리기 시작했습니다.
2) 무릎이 1번 가렵고 비가 내리기 시작함
왜 이 두 패턴에 같은 가중치를 주어야 한다고 생각하시나요? 전 세계가 다르게 생각하고 뉴런도 마찬가지입니다 :)
동료들이여, 저를 너그럽게 용서해 주십시오. 그러나 제 말에서 무뚝뚝한 것이 있었습니다. 열보다 적은 행으로 구성된 훈련 세트가 있지만. 그러나 훈련 자체는 11개 열의 샘플에서 발생합니다. 일반적으로 나는 구체적으로 말하지 않습니다. 나는 내가 무엇을하고 있는지 몰랐습니다 :-(
죄송합니다) 잘 보고 이해해 주신 분...
그러나 나는 내 간단한 질문에 대한 대답을 들어본 적이 없습니다. 왜 고유한 값이 통계적으로 유의한 값보다 나은가요?
또한 모든 행을 고유하게 만들고 싶다면 방법을 알려 드렸는데 왜 하지 않으시겠습니까?
================================================
멋진 비디오 - 실제 작업이 MO에서 어떻게 그리고 어떤 방식으로 해결되었는지, VR과 함께 매우 흥미로운 작업이 있습니다.
죄송합니다) 잘 보고 이해해 주신 분...
그러나 나는 내 간단한 질문에 대한 대답을 들어본 적이 없습니다. 왜 고유한 값이 통계적으로 유의한 값보다 나은가요?
또한 모든 행을 고유하게 만들고 싶다면 방법을 알려 드렸는데 왜 하지 않으시겠습니까?
================================================
멋진 비디오 - 실제 작업이 MO에서 어떻게 그리고 어떤 방식으로 해결되었는지, VR과 함께 매우 흥미로운 작업이 있습니다.
네, 코드 감사합니다, 저장해 두었습니다만, 지금까지는 제대로 공부하지 않았습니다... 몇 주 동안은 봐야 할 것 같습니다...
통계적으로 유의미한 벡터는 NS 없이 정면으로 사용할 수 있기 때문입니다. 훈련 시 NN은 한 영역에 그룹화된 벡터를 더 잘 학습합니다. 미래에 같은 벡터가 나타나면 모든 것이 정상이지만 벡터가 근처에 나타나지만 다른 클래스에서 온 경우 네트워크는 100% 실수를 저지를 것입니다. 특정 클래스. 임호
동일한 벡터라면 모든 것이 괜찮지만 벡터가 근처에 나타나지만 다른 클래스에서 가져온 것이라면 네트워크는 100% 실수를 하게 될 것입니다. 왜냐하면 이 그룹이 특정 클래스에 속해 있기 때문입니다. 임호
아아아아아, 네 생각은 이해했어...
들어봐, 내가 너에게 무례하게 대해서 미안하다 때로는 전혀 그렇지 않다
당신의 성배 를 잠식하지 않고 .) 질문이 있습니다. 신경망은 은행이 특정 금액(예: 가격에 영향을 미침)의 통화를 매매하려는 욕구를 어떻게 예측합니까? 은행은 종종 어떤 주문을 실행할지, 어떤 클라이언트를 실행할지 스스로 알지 못하지만 여기에서는 신경망이 이미 모든 것을 알고 있습니다.) 모든 신경망은 이러한 방향으로만 관성을 포착할 수 있습니다. 이때는 투기량이 실현되고 가격이 적극적으로 그러나 신경망은 가격(가격 동인)을 변경할 참가자의 입장이 정확한 순간을 표시하지 않지만 이것이 필수는 아니지만 - 가격 동인과 그 방향을 결정하는 방법을 안다면 99%, 그러면 거래가 항상 구현되기 전에 이루어지며 안정적인 수익을 얻을 수 있습니다. 우리 회사에도 알고리즘 거래 부서가 있지만 이것은 매우 빠른 스캘핑에 더 적합합니다. 신경망은 또한 hft 로봇 알고리즘의 관성을 포착하고 분석에 따라 우리 로봇은 hft를 완전히 복사하여 거래를 합니다(이것은 특정 시장 및 상품) . 주요 거래는 손으로 구식 방식으로 진행됩니다. 가격 동인을 예측할 수 없기 때문에(예, 필요하지 않음) 볼 수만 있습니다 = 이것이 방향을 바꾸기 전에 차가 방향 신호를 표시하는 방법입니다( 신경망이 이 차량이나 다른 차량의 방향 지시등을 켜는 시점을 예측할 수 없다는 점을 이해하고 있습니다.) 따라서 기계 학습의 성공과 번영을 기원합니다)
나는 NN 훈련에 대한 일반적인 데이터가 3d)에서 어떻게 보이는지 보기로 결정했습니다))
데이터는 31개의 지표, 목표는 지그재그
pca, t-sne, umap의 세 가지 알고리즘을 사용하여 차원을 3차원으로 축소했습니다 (마지막 두 개는 가장 현대적인 것으로 간주됨).
일반적으로 무엇입니까 - https://en.wikipedia.org/wiki/Dimensionality_reduction
도움이 되는 방법 - https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8% D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8
따라서 31개 지표의 데이터는 목표 지그재그, 첫 번째는 PCA
다음 t-sne
우맵
보시다시피 클래스로 나눌 수 없으므로 대상이 기호이거나 모두 함께))))
그리고 분리성이 좋은 면은 이렇게 생겼어야 하는데 실제로는 3개의 클래스가 있지만 본질은 이해하실 거라 생각합니다.
문제가 있습니다. 신경망은 (예를 들어) 통화의 특정 금액(가격에 영향을 미침)을 사거나 판매하려는 은행의 욕구를 어떻게 예측합니까?
대량 구매는 순식간에 이루어지지 않고 시간이 걸립니다. 이 시간 동안 가격은 이러한 구매를 일종의 패턴으로 표시합니다. 기계 학습 알고리즘을 사용하여 이 패턴을 찾으려고 시도할 수 있습니다.