Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1865
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
De acuerdo.
y este es el código de Maxim,
https://www.mql5.com/ru/forum/86386/page1862#comment_17290073
personalmente me recuerda a un filtro digital.
Por lo que recuerdo, en un filtro digital, los valores constantes son estáticos.
Es decir, a partir de estosvalores constantes, se montainmediatamente un determinado modelo.
Con Max, es una ramificación lógica de If, por eso es un árbol.
Por cierto, Max.
¿Ha pensado en sustituir el árbol If por un árbol de operadores ternarios z = (x > y)? x : y;
Porque la ramificación ternaria es más rápida que If
. Es perfecta para árboles grandes.
Por lo que recuerdo, en un filtro digital, los valores constantes son estáticos.
Es decir, estosvalores constantes se utilizaninmediatamente para construir un modelo específico.
Con Max, es una ramificación lógica de If, por lo que es un árbol.
Por cierto, Max.
¿Ha pensado en sustituir el árbol If por un árbol de operadores ternarios z = (x > y)? x : y;
Porque la ramificación ternaria funciona más rápido que If
- justo lo necesario para los árboles grandes.
no, ¿por qué no?
hay mandos para ajustar la respuesta de frecuencia de salida.
Es que el algoritmo es básicamente el mismo.
Y aquí, ¿se cambia el algoritmo de procesamiento o se encuentra la mejor manera probando y sustituyendo constantes en un mismo algoritmo?
No, no veo por qué no.
Hay mandos para ajustar la respuesta de frecuencia de salida.
Es que el algoritmo es básicamente el mismo.
¿Y aquí se cambia el algoritmo de procesamiento, o se encuentra el camino óptimo tratando de cambiar las constantes?
Sí, puedes cambiar las constantes en los filtros digitales, pero están definidas por ti, formando una especie de modelo a la vez.
La estructura de árbol busca estos valores por ti según la función de activación.
En general, dondequiera que se mire, hay una estructura del árbol :)
MLM-men, estructura del árbol.
Poder, estructura de árbol.
Subordinación en el empleo, estructura del árbol.
Patrimonio de parentesco, estructura arbórea.
etc.
:)
Sólo tienes que mirar el árbol de fuera a tu antojo, y razonar mentalmente desde la base del árbol.
Decídete. Descomponga ese árbol en diferentes tipos de subespecies, etc. que corren en ellos, de qué color, etc. ))
He fantaseado con hormigas, orugas y mariposas corriendo por sus ramas :))
Es un ejercicio divertido de entender.
Puedes buscar en Google, funciones de activación en redes neuronales.
Dondequiera que mires hay una estructura de árbol :)
Gente de MLM, estructura de árbol.
Poder, estructura del árbol.
Empleo, estructura del árbol.
Sólo tienes que mirar el árbol de fuera a tu antojo, y razonar mentalmente desde la base del árbol.
Sólo fantasea. Descomponga ese árbol en diferentes tipos de subespecies, etc. que corren en ellos, de qué color, etc. ))
He fantaseado con hormigas, orugas y mariposas corriendo por sus ramas :))
Es un divertido ejercicio de comprensión.
Es más fácil que busques en Google, funciones de activación en una red neuronal.
leer
Bueno, lo entiendo, entiendo cómo funciona esto.
Así que, para no liarte el cráneo, hemos decidido golpear el compostador.
hmm, interesante ;)
Sí, en los filtros digitales puedes cambiar las propias constantes, pero las fijas de forma rígida, formando una especie de modelo a la vez.
La estructura de árbol busca estos valores por ti, según la función de activación.
En general, dondequiera que se mire, hay una estructura del árbol :)
MLM-men, estructura del árbol.
Poder, estructura de árbol.
Subordinación en el empleo, estructura del árbol.
Patrimonio de parentesco, estructura arbórea.
etc.
:)
Sólo tienes que mirar el árbol de fuera a tu antojo, y razonar mentalmente desde la base del árbol.
Decídete. Descomponga ese árbol en diferentes tipos de subespecies, etc. que corren en ellos, de qué color, etc. ))
He fantaseado con hormigas, orugas y mariposas corriendo por sus ramas :))
Es un ejercicio divertido de entender.
Es más fácil que busques en Google, funciones de activación en una red neuronal.
Exactamente lo que hay en una red neuronal. Un árbol no tiene una función de activación. Sólo tenemos una comparación.
Eso es exactamente lo que hay en la red neuronal. El árbol no tiene función de activación. Simplemente hay una comparación.
Hirase cómo has llegado hasta aquí. Así es, y entiendo que la ramificación del propio árbol tiene su propio nivel de generalización. Es decir, este nodo es responsable de un determinado aspecto del modelo entre el vector de entrada y el vector objetivo. Y si fuera posible descomponer el problema de lo general a lo especial de forma independiente, no habría necesidad de hacer ningún entrenamiento, pero aquí, cuando esta estructura es grande y desconocida, tenemos que recurrir al entrenamiento. ¿Está bien? Señores de la jardinería :-)))))) Casi se me revienta la tripa :-)
no se sabe todavía, porque está escrito con muchos errores gramaticales y:
la entrada/salida es un filtro normal
y la salida es el AFC.
La obtención del AFC deseado en la salida se llama notoriamente entrenamiento.
y uno de los expertos en árboles ahora está llorando mucho por sus enormes centavos en uno de sus propios hilos en este foro
Por eso te metí en esta conversación sobre las hojas amarillas...Eso es exactamente lo que hay en la red neuronal. El árbol no tiene función de activación. Sólo hay una comparación.
Pues bien, las propias mallas también pueden representarse en forma de árbol.
Así que un árbol de red neuronal tiene una función de activación ))
¿Así que el árbol es un filtro digital después de todo?
Un árbol no es más que una estructura ramificada.
La forma de aplicar esta estructura es una cuestión de imaginación ))