Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1525

 
elibrarius:



Comentario de 7-8 minutos sobre nuestro tema por parte de un profesional

IMHO por supuesto, pero la señora no da la impresión de ser una cfmn, y la emisión es a la Malakhov y compañía.

 
Petros Shatakhtsyan:

Si hablaran de la autooptimización automática, eso sería más interesante que el aprendizaje automático.

O nadie se plantea la cuestión de que un robot de autoaprendizaje donde se supone que guarda todo su conocimiento y cómo lo buscará rápidamente. No digo que con la aparición de una nueva garrapata, tenga que analizarla y aprender de ella de nuevo.

Es decir, es un proceso interminable y el robot no será capaz de ponerse al día con el tiempo y siempre se derrumbará en situaciones inusuales, sin saber qué hacer.

¿Por qué el aprendizaje automático no es una tarea de optimización?

 
Alexander:

¿Por qué el aprendizaje automático no es una tarea de optimización? Es lo mismo...

La optimización existe tanto en los EAs estándar como en los que tienen NS, pero en los simples estás limitado por el rango de parámetros optimizables, y en los NS por el rango de pesos, que es mil órdenes de magnitud mayor que el rango de cualquier parámetro ordinario optimizable con el mismo número de parámetros. ¿He respondido a tu pregunta?

 
Alexander:

¿qué es el aprendizaje automático y no una tarea de optimización? es todo lo mismo...

Bueno, no hay una frontera clara, al igual que no hay una frontera entre la estadística clásica y la MO. Pero en general, por "optimización", nos referimos a los métodos numéricos de encontrar diferentes puntos condicionales (extremos, etc.), normalmente son métodos aproximados iterativos y hay bastantes algoritmos no iterativos y no cerrados en MI, por ejemplo, la regresión lineal. Algunos algoritmos de MO se entrenan mediante métodos de optimización, "annealing", etc. Pero probablemente no es correcto reducir el MO a la optimización en absoluto.
 

¿Qué tienen que decir muchas mentes respetadas sobre el artículo?

Lo encontré por casualidad, me gustó el estilo de escritura. ¿Qué parte del contenido es verdadera?

Машинное обучение для людей
  • vas3k.ru
В SkillFactory стартовал набор на новый онлайн-курс, где вы пройдете полный цикл обучения, начиная с изучения Python для анализа данных, классического машинного обучения и заканчивая нейросетями и диплёрнингом. Специальных знаний чтобы начать не потребуется, всему научат на месте. Зачем обучать машины Снова разберём на Олегах. Предположим, Олег...
 

elibrarius:

Comentario de 7-8 minutos sobre nuestro tema por parte de un profesional

El 82º año de la URSS


 
Andrey Khatimlianskii:

¿Qué tienen que decir muchas mentes respetadas sobre el artículo?

Lo encontré por casualidad, me gustó el estilo de escritura. ¿En qué medida el contenido se corresponde con la realidad?

Muy buen artículo, gracias por encontrarlo.
El artículo revela muy bien lo que hay, con explicaciones detalladas y diagramas.
Cuando empecé a leer el artículo ya entendí la dirección en la que tengo que estudiar el material para mi viejo deseo.
No tengo respuesta a la pregunta que planteé aquí, pero la encontré en el artículo.
Todavía no he terminado de leer el artículo, pero creo que necesito releerlo varias veces, en diferentes periodos de tiempo, para captar los detalles necesarios.
Y guarda la página html en el archivo, por si acaso.
A su pregunta "¿Cuánto del contenido es cierto?"
Esa es básicamente la base de la comprensión, que está escrita en un lenguaje muy claro.
Y me parece que las mentes locales, que intentan utilizar árboles de decisión, van por el camino equivocado.
Del artículo se desprende que los árboles de decisión son un tipo de clasificación.
Este tipo está diseñado para predecir la categoría del objeto, no para predecir números.
Tal vez me equivoque, ya que no puedo conocer la tarea en cuestión.
Y de nuevo, esto es una comprensión básica de por dónde empezar, y como dice el artículo hay muchas variedades de tipos para resolver problemas.
Lo principal es elegir el tipo adecuado para su tarea.
Así que eso es todo, siguió leyendo ))

 
Hace poco tuve que ponerme en contacto con el servicio de asistencia de un operador de telefonía móvil para aclarar mis dudas.
Naturalmente, para obtener una respuesta rápida, elegí un chat en línea en el sitio web de la empresa de telefonía móvil, con la esperanza de que hubiera una persona en directo al otro lado.
Pero después de un par de preguntas y de obtener una respuesta, me di cuenta inmediatamente de que me estaba respondiendo un chatbot, ya que la pregunta que le hice no podía ser respondida correctamente,
y me pedía que le aclarara la pregunta.
Una vez más, tras recibir dicha respuesta, le escribí que eres un bot estúpido e inútil.
(A lo que me dijo honestamente, lo siento, sólo estaba aprendiendo)).

Acabo de recordar este momento de comunicación con el bot )
 
Romano:


Dado que en un principio se eligió el tipo incorrecto para su aplicación, como se desprende del artículo, los árboles de decisión pertenecen al tipo de clasificación.

No sólo. También pueden hacer regresión.

 
elibrarius:

Y no sólo eso. También pueden retroceder.

Bien, lo tengo. ¿Así que la regresión sobre árboles amplía las capacidades de la regresión normal?
Y otra pregunta, ¿la regresión y el descenso de gradiente son algoritmos similares o diferentes para resolver el problema?
Si son similares, ¿qué algoritmo es más preciso?