도서관 : 그리고 앙상블을 만들고 싶다면 set.seed()를 제거하는 것이 좋겠죠? 그리드를 다르게 만들기 위해. 또는 set.seed(N 네트워크) - 전체 앙상블의 재현성을 위해.
네, 맞습니다. 그러한 복잡한 모델의 앙상블(나는 darch를 의미함)은 3-5개 이하의 조각을 포함할 수 있습니다. 그리고 그것들은 매우 달라야 합니다. 저것들. 그것들은 다른 매개변수 값(계층 수, 뉴런, 활성화 함수 등)을 가져야 하거나(지금은 다른 많은 옵션에 대해 설명하지 않겠습니다). 다른 초기 초기화로 훈련된 동일한 구조의 앙상블 변형이 있을 수 있지만 약합니다. 최소한 초기 초기화가 다르게 보이도록 하십시오.
네, 맞습니다. 그러한 복잡한 모델의 앙상블(나는 darch를 의미함)은 3-5개 이하의 조각을 포함할 수 있습니다. 그리고 그것들은 매우 달라야 합니다. 저것들. 그것들은 다른 매개변수 값(계층 수, 뉴런, 활성화 함수 등)을 가져야 하거나(지금은 다른 많은 옵션에 대해 설명하지 않겠습니다). 다른 초기 초기화로 훈련된 동일한 구조의 앙상블 변형이 있을 수 있지만 약합니다. 최소한 초기 초기화가 다르게 보이도록 하십시오.
행운을 빕니다
글쎄, 최상의 구조를 결정하기 위해 동일한 데이터를 사용하여 일련의 훈련에서 프로세서를 실행하면 결과를 앙상블에 배치하는 것이 좋습니다. 뉴런 단계가 5 또는 백분율인 그리드(이러한 단계를 사용하면 모델이 잘 다름)와 같은 가장 간단한 옵션을 고려하면 결과에서 최상의 결과 중 3-5 또는 10개를 취해 평균을 냅니다. 그럼에도 불구하고 모델은 이미 구축되고 계산될 것입니다. 헛되이 낭비하는 것이 무슨 소용이 있습니까? ))
글쎄, 최상의 구조를 결정하기 위해 동일한 데이터를 사용하여 일련의 훈련에서 프로세서를 실행하면 결과를 앙상블에 배치하는 것이 좋습니다. 뉴런 단계가 5 또는 백분율인 그리드(이러한 단계를 사용하면 모델이 잘 다름)와 같은 가장 간단한 옵션을 고려하면 결과에서 최상의 결과 중 3-5 또는 10개를 취해 평균을 냅니다. 어쨌든 모델은 이미 구축되고 계산될 것입니다. 헛되이 낭비하는 것이 무엇입니까? ))
일반적으로 이러한 모델을 어떻게 사용하고 있습니까? 올라갈 가치가 있습니까? :) 그런 다음 토론이 계속되고 아무도 결과를 발표하지 않습니다.
일반적으로 이러한 모델을 어떻게 사용하고 있습니까? 올라갈 가치가 있습니까? :) 그런 다음 토론이 계속되고 아무도 결과를 발표하지 않습니다.
대부분의 경우와 마찬가지로 테스트 사이트에서 오류는 50%에 가깝습니다. 그러나 적어도 Alglib보다 10배는 더 빠릅니다. 여기에서 모델을 계산하는 데 40-100분이 걸렸다면 Alglib에서 동일한 구조에 대해 하루 이상 기다렸다가 기다리지 않고 계산을 껐습니다. 지금은 주기에서 모델을 선택해야 하지만 다시 시간이 많이 걸릴 것입니다. .... 이 비즈니스도 프로그래밍해야 합니다. 일반적으로 MO에 시간 제한을 설정하지 않기 때문에 이것은 오랜 시간입니다.
도서관 : 대부분의 테스트 사이트와 마찬가지로 오류는 50%에 가깝습니다. 그러나 적어도 Alglib보다 10배는 더 빠릅니다. 여기에서 모델을 계산하는 데 40-100분이 걸렸다면 Alglib에서 동일한 구조에 대해 하루 이상 기다렸다가 기다리지 않고 계산을 껐습니다. 지금은 주기에서 모델을 선택해야 하지만 다시 시간이 많이 걸릴 것입니다. .... 이 비즈니스도 프로그래밍해야 합니다.
음, 즉, 기능 선택이 여전히 주요 문제로 남아 있지만 적어도 그는 더 빨리 배우고 좋습니다.
신경망에 대해 이야기하는 경우 사용하기 전에 DNN을 훈련(매개변수 최적화)하지 않는 것이 이상할 것입니다.
그리고 이것이 제가 한 번 질문한 주요 질문입니다. 훈련 결과(매개변수 최적화)가 입력 예측자의 비정상성에 어떻게 의존하는지입니다. 당신의 대답은 아니오였습니다. 이것은 NN이 지속적으로 재교육되어야 하기 때문에 명확하지 않습니다. 즉, 비정상성에 응답합니다. 즉, 모델 매개변수가 랜덤 변수이며, 이는 매개변수 정상성에 문제가 있음을 의미합니다. 따라서 모든 영광에서 GARCH에서 논의되는 모든 것이지만 어떤 이유로 분류에서 논의되지 않습니다.
В данном режиме происходит полный перебор всех возможных комбинаций значений входных переменных, выбранных для оптимизации на соответствующей вкладке. Быстрая (генетический алгоритм) В основу данного типа оптимизации заложен генетический алгоритм подбора наилучших значений входных параметров. Данный тип оптимизации значительно быстрее полного...
darch() 함수 내부에는 기본적으로 seed = NULL 매개변수가 있습니다. 어떤 상태로 설정하십시오(예: seed = 12345).
이것은 작은 learnRate 값입니다. RBM 및 NN에 대해 learnRate = 0.7, numEpochs = 10으로 시작합니다. 그러나 이것은 천장 데이터입니다. 특정 데이터 세트에 대해 최적화해야 합니다.
행운을 빕니다
그리고 앙상블을 만들고 싶다면 set.seed()를 제거하는 것이 좋겠죠? 그리드를 다르게 만들기 위해. 또는 set.seed(N 네트워크) - 전체 앙상블의 재현성을 위해.
네, 맞습니다. 그러한 복잡한 모델의 앙상블(나는 darch를 의미함)은 3-5개 이하의 조각을 포함할 수 있습니다. 그리고 그것들은 매우 달라야 합니다. 저것들. 그것들은 다른 매개변수 값(계층 수, 뉴런, 활성화 함수 등)을 가져야 하거나(지금은 다른 많은 옵션에 대해 설명하지 않겠습니다). 다른 초기 초기화로 훈련된 동일한 구조의 앙상블 변형이 있을 수 있지만 약합니다. 최소한 초기 초기화가 다르게 보이도록 하십시오.
행운을 빕니다
네, 맞습니다. 그러한 복잡한 모델의 앙상블(나는 darch를 의미함)은 3-5개 이하의 조각을 포함할 수 있습니다. 그리고 그것들은 매우 달라야 합니다. 저것들. 그것들은 다른 매개변수 값(계층 수, 뉴런, 활성화 함수 등)을 가져야 하거나(지금은 다른 많은 옵션에 대해 설명하지 않겠습니다). 다른 초기 초기화로 훈련된 동일한 구조의 앙상블 변형이 있을 수 있지만 약합니다. 최소한 초기 초기화가 다르게 보이도록 하십시오.
행운을 빕니다
글쎄, 최상의 구조를 결정하기 위해 동일한 데이터를 사용하여 일련의 훈련에서 프로세서를 실행하면 결과를 앙상블에 배치하는 것이 좋습니다. 뉴런 단계가 5 또는 백분율인 그리드(이러한 단계를 사용하면 모델이 잘 다름)와 같은 가장 간단한 옵션을 고려하면 결과에서 최상의 결과 중 3-5 또는 10개를 취해 평균을 냅니다. 그럼에도 불구하고 모델은 이미 구축되고 계산될 것입니다. 헛되이 낭비하는 것이 무슨 소용이 있습니까? ))
글쎄, 최상의 구조를 결정하기 위해 동일한 데이터를 사용하여 일련의 훈련에서 프로세서를 실행하면 결과를 앙상블에 배치하는 것이 좋습니다. 뉴런 단계가 5 또는 백분율인 그리드(이러한 단계를 사용하면 모델이 잘 다름)와 같은 가장 간단한 옵션을 고려하면 결과에서 최상의 결과 중 3-5 또는 10개를 취해 평균을 냅니다. 어쨌든 모델은 이미 구축되고 계산될 것입니다. 헛되이 낭비하는 것이 무엇입니까? ))
일반적으로 이러한 모델을 어떻게 사용하고 있습니까? 올라갈 가치가 있습니까? :) 그런 다음 토론이 계속되고 아무도 결과를 발표하지 않습니다.
퍼셉트론이나 gbm에 비해 벤치가 있을 수 있습니다. 물론 외환의 경우.
:) 그런 다음 토론이 계속되고 아무도 결과를 발표하지 않습니다.
일반적으로 이러한 모델을 어떻게 사용하고 있습니까? 올라갈 가치가 있습니까? :) 그런 다음 토론이 계속되고 아무도 결과를 발표하지 않습니다.
대부분의 경우와 마찬가지로 테스트 사이트에서 오류는 50%에 가깝습니다. 그러나 적어도 Alglib보다 10배는 더 빠릅니다. 여기에서 모델을 계산하는 데 40-100분이 걸렸다면 Alglib에서 동일한 구조에 대해 하루 이상 기다렸다가 기다리지 않고 계산을 껐습니다.
지금은 주기에서 모델을 선택해야 하지만 다시 시간이 많이 걸릴 것입니다. .... 이 비즈니스도 프로그래밍해야 합니다.
일반적으로 MO에 시간 제한을 설정하지 않기 때문에 이것은 오랜 시간입니다.
흥미롭습니다 - 여기에서 파고 있습니다)
이익 차트를 결과로 간주하면 결과가 없습니다. 그리고 이익 차트를 제외하고는이 지점에서도 대다수는 아무것도 필요하지 않습니다. 유일한 증거, 우리는 단순히 다른 사람들을 이해하지 못합니다.
당신은 깊이에 빠진 것 같지 않았다
대부분의 테스트 사이트와 마찬가지로 오류는 50%에 가깝습니다. 그러나 적어도 Alglib보다 10배는 더 빠릅니다. 여기에서 모델을 계산하는 데 40-100분이 걸렸다면 Alglib에서 동일한 구조에 대해 하루 이상 기다렸다가 기다리지 않고 계산을 껐습니다.
지금은 주기에서 모델을 선택해야 하지만 다시 시간이 많이 걸릴 것입니다. .... 이 비즈니스도 프로그래밍해야 합니다.
음, 즉, 기능 선택이 여전히 주요 문제로 남아 있지만 적어도 그는 더 빨리 배우고 좋습니다.
음, 즉, 기능 선택이 여전히 주요 문제로 남아 있습니다. :)
모델의 기능과 구조도
1. 최적화가 무엇을 말하는 건가요? 무슨 고원? 어떤 모델에 대해? 신경망에 대해 이야기하는 경우 사용하기 전에 DNN을 훈련(매개변수 최적화)하지 않는 것이 이상할 것입니다.
2. 모델(?)의 어떤 매개변수가 안정적이어야 합니까?
나는 당신의 생각을 이해하지 못했습니다.
테스터가 아닌 반드시 수행해야 하는 DNN 하이퍼파라미터의 최적화에 대해 이야기했습니다.
최적화를 말씀하시는 건가요?
다른 모든 것을 최적화하기 위한 기준 으로 성능을 모델링합니다.
무슨 고원?
성능 안정기
어떤 모델에 대해?
모든 모델
신경망에 대해 이야기하는 경우 사용하기 전에 DNN을 훈련(매개변수 최적화)하지 않는 것이 이상할 것입니다.
그리고 이것이 제가 한 번 질문한 주요 질문입니다. 훈련 결과(매개변수 최적화)가 입력 예측자의 비정상성에 어떻게 의존하는지입니다. 당신의 대답은 아니오였습니다. 이것은 NN이 지속적으로 재교육되어야 하기 때문에 명확하지 않습니다. 즉, 비정상성에 응답합니다. 즉, 모델 매개변수가 랜덤 변수이며, 이는 매개변수 정상성에 문제가 있음을 의미합니다. 따라서 모든 영광에서 GARCH에서 논의되는 모든 것이지만 어떤 이유로 분류에서 논의되지 않습니다.