Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2359
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
Kann das Verteidigungsministerium die Qualität von Signalen nach Wahrscheinlichkeitsgesichtspunkten berechnen? Um dann diejenigen herauszufiltern, die eine Wahrscheinlichkeit von mehr als 90 % haben
Es gibt bereits Wahrscheinlichkeiten in der Modellausgabe, aber sie sind pseudo, d.h. sie haben keinen Bezug zur Bevölkerung.
kann durch einen Schwellenwert gefiltert werdendie AutoMO muss die Modelle durchgehen und das beste auswählen
Was nützt es, wenn catbust alle anderen in allen Datensätzen schlägt?
https://mljar.com/machine-learning/compare-ml-algorithms/
Nun, hier ist der Beweis, dass Modelle nichts lösen, der Unterschied zwischen den Modellen beträgt ~5%...
Entscheidend sind allein die Zeichen und die Art und Weise, wie Informationen präsentiert werden...
Aber Dummköpfe glauben an Modelle, lieben Modelle, beten für Artikel aus Übersee mit neuen Modellen, gibt es etwas Einfacheres als ein Modell auf "rohen" Daten zu trainieren? :)) Du musst nichts denken oder wissen, kopiere einfach den Code und du bist ein cooler MO-Händler im MO-Thema)))
WAKE UP!!!!
Es gibt so viele Zeichen und Verarbeitungsmethoden, dass man gar nicht genug Rechenleistung hat, um sie alle zu überprüfen, auch nicht eine Gruppe von Menschen!!!
Sind Ihre Gehirne so verkorkst, dass Sie nichts anderes als Renditen sehen und ein paar Modelle mit Gewalt durchsetzen...
Studieren Sie DSP, Systemmodellierung und usw. Wissenschaft, ein MO ohne Wissen, es ist nur die coolste Anpassung und nichts mehr...
Nun, hier ist der Beweis, dass Modelle nichts lösen, der Unterschied zwischen den Modellen beträgt ~5%...
Entscheidend sind nur die Zeichen und die Art und Weise, wie Informationen präsentiert werden...
Aber Dummköpfe glauben an Modelle, lieben Modelle, beten für Artikel aus Übersee mit neuen Modellen, gibt es etwas Einfacheres als ein Modell auf "rohen" Daten zu trainieren? :)) Du musst nichts denken oder wissen, kopiere einfach den Code und du bist ein cooler MO-Händler im MO-Thema)))
WAKE UP!!!!
Es gibt so viele Zeichen und Verarbeitungsmethoden, dass man gar nicht genug Rechenleistung hat, um sie alle zu überprüfen, auch nicht eine Gruppe von Menschen!!!
Sind Ihre Gehirne so verkorkst, dass Sie nichts anderes als Renditen sehen und ein paar Modelle mit Gewalt durchsetzen...
Studieren Sie DSP, Systemmodellierung und pr Wissenschaft, ein MO ohne Wissen, es ist nur die coolste Anpassung und nichts mehr...
Und können Sie auf das Herumalbern verzichten?)))) es hat viele schönere Synonyme)))
Jedenfalls hat ihre Wissenschaft mehr Geld und ist uns daher noch nicht voraus(
Auch die Verarbeitung von Rohdaten ist ein Modell. Und natürlich bedeutet das Testen eines Modells nicht, es zu verstehen)
Können wir nicht einfach mal abschalten?))) Es gibt viel schönere Synonyme)))
Nichts für ungut, es ist nicht für Sie bestimmt...
Es ist für diejenigen, die westliche Artikel gelesen haben und denken, dass "GPT-3" den Markt aufmischen wird...
Sie können 10 Rückgaben in ein Schiebefenster eingeben, für mehr haben Sie keinen Verstand, aber was sonst? das Netzwerk wird an alles denken, ja...
Auf jeden Fall haben sie mehr Geld für ihre Wissenschaft und deshalb sind wir noch nicht so weit(
Das ist nicht das, was ich meine...
Es gibt zwei Probleme.
1) "Informationsmangel" in Modellen, das sind wenige und schlechte Zeichen
Wenn Sie den Prozess vorhersagen wollen und Sie haben Zeichen, die nur 5% des Prozesses beschreiben, sollten Sie mindestens 100 Schichten, 8-mal Faltung mega-duper-super-ultra-GPT-5 trainieren
Das Ergebnis ist die gleiche Vorhersage mit einem Fehler von 95 %.
Und die Leute verstehen das nicht, sondern fallen auf Architekturen herein, und wie kann man sie nennen?
Schlussfolgerung: Die Lösung des Problems liegt nicht im Verteidigungsministerium.
2) Merkmale leben nicht lange, sie verlieren ihre nützlichen Eigenschaften und sehr schnell, kein MI kann die Dynamik der Nützlichkeit ihrer Attribute sehen, Sie sollten mit Ihrem Gehirn arbeiten, nicht mit Modellen.
Fazit: Die Lösung des Problems liegt nicht in der MO
Auch die Verarbeitung von Rohdaten ist ein Modell. Und natürlich ist das Testen eines Modells nicht dessen Verständnis).
Nun, ja, es ist eine Frage der Angemessenheit...
Wenn ein Flugzeug über meinen Kopf fliegt und ich die Eura kaufe, ist das auch ein Modell...
Hm, es scheint, dass MICH zu tun manchmal zu einem Nervenzusammenbruch führt.
vielleicht kann jemand anderes versuchen, die heilige Bedeutung von AutoML zu erklären?
Hm, es scheint, dass MICH zu tun manchmal zu einem Nervenzusammenbruch führt.
vielleicht kann jemand anderes versuchen, die heilige Bedeutung von AutoML zu erklären?
Kann jemand anderes versuchen, die heilige Bedeutung von AutoML zu erklären?
Offensichtlich ist es so etwas wie die "zwei aus der Kiste, identisch im Gesicht" aus dem Cartoon, die alles für uns tun werden).
Kann jemand anderes versuchen, die heilige Bedeutung von AutoML zu erklären?
Marketing.
D.h. das Ziel ist es, einen kleinen Qualitätsgewinn zu erzielen, indem die Durchlaufzeit der Modelle erheblich verlängert wird.
aber es gibt auch die automatische Vorverarbeitung und die automatische explorative Analyse