Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2313
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Theoretisch, ja.
Aber was ist der Sinn der Aktion?
Dagegen kann man nicht argumentieren, das hat keinen Sinn...
Wir müssen 10 von 100 Punkten erreichen. Gibt es eine Lösung?
Ich weiß nicht, wie es in alglib funktioniert, versuchen Sie, Informationen aus der psa-Funktion zu ziehen und sehen Sie, wie viele Komponenten Sie brauchen, um genug zu bekommen, um 100 Preise zu beschreiben.
Oder nehmen Sie einfach die ersten n Spalten der psa und Dampfwalze...
Aber all das ist nutzlos... wenn Sie 50k Funktionen haben, brauchen Sie Rsa, aber wenn Sie herumspielen wollen, ohne zu verstehen, was Sie tun, brauchen Sie Rsa überhaupt nicht, das Ergebnis wird mit 99,999...% Wahrscheinlichkeit schlechter sein als ohne Rsa...
Theoretisch, ja.
Aber was ist der Sinn der Aktion? Wenn es keinen Geschwindigkeitsgewinn, sondern eher eine Verlangsamung gibt, für einen zusätzlichen Vorgang.
Es ist notwendig, 10 von 100 Punkten zu erreichen. Gibt es eine Lösung?
Nehmen Sie die ersten 10 Komponenten der Kov.-Matrix
Nehmen Sie die ersten 10 Komponenten der Matrix
Die Matrix wird nicht funktionieren - sie ist 100x100.
Wir brauchen nicht 10x10 oder 10x100, sondern nach einigen Berechnungen 10x1000. D.h. für jede der 1000 Matrixzeilen benötige ich 10 GCs.
Die Matrix wird nicht funktionieren - sie ist 100x100.
Wir brauchen nicht 10x10 oder 10x100, sondern nach einigen Berechnungen 10x1000. D.h. für jede der 1000 Zeilen gelten 10 GC
Soweit ich mich erinnere, ist jeder Komponentenpunkt eine Summe der Produkte der Attributwerte mit ihren Kovalenten.
Rechnen Sie nach und vergleichen Sie es mit Sklearn.
Die Matrix kann sich als invertiert erweisen, dann vom Ende her. Dies muss dort zusätzlich geprüft werden.
jeder Komponentenpunkt ist die Summe der Produkte der Merkmalswerte mit ihren Kov.-Werten, soweit ich mich erinnere
Rechnen Sie nach und vergleichen Sie es mit Sklearn.
Die Matrix kann invertiert werden, dann vom Ende her. Dort sollten Sie es zusätzlich überprüfen
Im Allgemeinen benötigen Sie Zyklen wie die oben genannten.
s (bestfeatures)ist lediglich die Anzahl der Komponenten, die für das Training ausgewählt werden.
Der Wert jeder Komponente wird mit dem Wert jedes Attributs multipliziert, und dann werden sie addiert. Und so für jede Zeile der Eingabezeile.
Ich muss daran denken, dass ich keine Zeit habe. Ich muss die Dokumentation lesen.
Dort ist s (bestfeatures) nur die Anzahl der Komponenten, die für das Training ausgewählt werden, eine Art
Der Wert jeder Komponente wird mit dem Wert des Attributs multipliziert und die Werte werden addiert. Und so weiter für jede Zeile der ursprünglichen Reihe.
Ich muss daran denken, dass ich keine Zeit habe. Ich muss die Dokumentation lesen.
Jetzt ist alles in Ordnung.
Ich beschloss zu sehen, was sich im Inneren des Netzes befindet, auf jeder Ebene... Reduzierte die Dimensionalität über umap auf zwei Komponenten in jeder Ebene
Ein Netz mit drei internen Schichten, fast untrainiert, nur 400 Beispiele... aber es macht trotzdem Spaß, es anzuschauen...
Ich beschloss zu sehen, was sich im Inneren des Netzes befindet, auf jeder Ebene... Reduzierte die Dimensionalität über umap auf zwei Komponenten in jeder Ebene
Ein Netz mit drei internen Schichten, fast untrainiert, nur 400 Beispiele... aber es macht trotzdem Spaß, es anzuschauen...
Wie haben Sie das geschafft?
Was ist die Ausgangsgröße?
Ludwig verfügt über Deep-Learning-Modelle, für die man keinen Code schreiben muss und für die keine Programmierkenntnisse erforderlich sind, um das Modell zu lernen:https://ludwig-ai.github.io/ludwig-docs/
Ich habe es kürzlich installiert. Ich bin noch nicht dazu gekommen, es auszuprobieren. Sie versprechen Wunder.