Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2461
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
El comercio de Carrie es un viejo cacharro....
pero en definitiva, como se dice en internet: ¡sigue mirando!
p.d.
Vladimir Baskakov , tus exclamaciones en #24597 ya no te convierten en un interlocutor interesado, más bien en un paparazzi que busca dónde gritar... gritando... - el tema de tu regaliz ha terminado... está claro que no te interesa trabajar con tu cerebro en el tema, y EA no funcionará por sí solo sin un codificador...
sip, has tenido tu respuesta, (si no has aprendido nada más de los temas anteriores en tu vida)
p.d.
Vladimir Baskakov , tus exclamaciones en #24597 ya no te convierten en un interlocutor interesado, más bien en un paparazzi que busca un lugar para gritar... gritando... - el tema de tu regaliz ha terminado... es obvio que no te interesa trabajar con tu cerebro en el tema, y EA no funcionará por sí solo sin un codificador...
Me gusta la gente con tanta confianza en sí misma, la verdad no confirmada. Pero estas personas aparecen aquí con regularidad y desaparecen rápidamente. Como: esperando tranquilamente el beneficio...
sip, ya te han contestado, (si no has podido sacar nada más de los temas anteriores)
p.d.
Me gusta la gente que tiene tanta confianza en sí misma, sin apoyarse en ninguna verdad. Pero aparecen aquí regularmente y desaparecen rápidamente. Es como: "Esperamos tranquilamente los beneficios...
Sí... porque se trata de personalidades, no del tema... a Einstein con su petición de demostrarle algo con su depósito... (como, bajarlo también, si no renuncia a toda su ventaja competitiva en este mercado, me mofaré y me burlaré y le insultaré y le bajaré y le atizaré, hasta que se apresure a enseñar fotos, y si a "mí" (es decir, a ti) le gustan las fotos, entonces le molestaré hasta la muerte, para que se ciña a sus ganancias o a su podrida palabrería para no darle tiempo a ganar hasta que comparta) ... Einstein te entenderá...
diálogos como este realmente dicen mucho de ti como persona, como comerciante, como analista y como programador... personalmente me da asco participar en debates de este tipo en programas de entrevistas de "profesionales" tan superficiales... así que ni siquiera empiezo el programa
sí... porque esta es una discusión sobre personalidades, no sobre el tema planteado... a Einstein con su petición de demostrarle algo con su depósito... (como, yo también lo bajaré, si renuncia a toda su ventaja competitiva en este mercado, lo perseguiré y me burlaré de él hasta que se apresure a mostrar fotos, y si a "mi" (es decir, a ti) le gustan las fotos, entonces lo molestaré hasta la muerte para que se apegue a sus ganancias o con su podrida palabrería no le dé tiempo a ganar hasta que comparta) ... Einstein te entenderá...
diálogos como este realmente dicen mucho de ti como persona, como comerciante, como analista y como programador... personalmente, me da asco participar en este tipo de debates en programas de entrevistas de "profesionales" tan superficiales... así que ni siquiera empiezo el programa
¡¡¡Saludos hermanos!!!
Recuerdo que lo he dicho más de una vez, pero lo volveré a decir. Sí, el método de entrenamiento y la arquitectura de la NS son importantes, pero mucho más importantes son los datos que se utilizan. En muchos sentidos, una amplia gama de arquitecturas de red funcionará bien con datos bien preparados. Es natural que cada tipo de NS necesite un preprocesamiento específico, pero si los datos de entrada, la información que se toma para entrar en la red tiene sentido para el objetivo, entonces el resultado será visible de inmediato. El punto de cavar diferentes métodos de construcción de la NS si la salida sólo en la configuración única todavía no puede trabajar.
Bueno, sólo digo que tal vez los jóvenes lean :-).
Según mi experiencia, los datos (preprocesamiento de datos) y la función objetivo son especialmente importantes. De hecho, los datos son "receptores", salida de los receptores, se puede/debe permitir que "evolucionen", que se seleccionen. La función objetivo correctamente elegida/formada proporciona resultados de aprendizaje/evolución robustos, resuelve la tarea de entrenamiento/reentrenamiento.
Según mi experiencia, los datos (preprocesamiento de datos) y la función objetivo son especialmente importantes. De hecho, los datos son "receptores", la salida de los receptores puede/debe permitirse "evolucionar" y ser seleccionada. Una función objetivo correctamente seleccionada/formada proporciona resultados robustos de aprendizaje/evolución, resuelve el problema de la potenciación/reaprendizaje.
Discrepo un poco sobre la función del objetivo. Supongamos que tenemos un objetivo ideal pero el aprendizaje es malo y no es posible obtener resultados de aprendizaje satisfactorios con los datos actuales, si empezamos a degradar el objetivo haciéndolo menos ideal, entonces esto conducirá a mejores resultados de aprendizaje. Es como si ajustáramos el objetivo a los datos de entrada que tenemos. Sí, la calidad del aprendizaje mejorará, pero será de poca utilidad. En mi opinión, deberíamos construir un objetivo ideal y buscar ese conjunto de datos que nos permita obtener los mejores resultados de aprendizaje posibles. Es decir, debe buscar en los datos de entrada, no en los de destino.
Cuando hablamos de datos, nos referimos a la información introducida. En cuanto al preprocesamiento, es estándar y aplicable a cualquier dato que utilicemos. Esto es, al menos, centrar y escalar.
Discrepo un poco sobre el objetivo. Supongamos que tenemos un objetivo ideal, pero el aprendizaje es deficiente y no podemos obtener resultados de aprendizaje satisfactorios con los datos actuales, si empezamos a degradar el objetivo haciéndolo menos ideal, esto conducirá a mejores resultados de aprendizaje. Es como si ajustáramos el objetivo a los datos de entrada que tenemos. Sí, la calidad del aprendizaje mejorará, pero será de poca utilidad. En mi opinión, deberíamos construir un objetivo ideal y buscar ese conjunto de datos que nos permita obtener los mejores resultados de aprendizaje posibles. Es decir, debe buscar en los datos de entrada, no en los de destino.
Cuando hablamos de datos, nos referimos a la información introducida. En cuanto al preprocesamiento, es estándar y aplicable a cualquier dato que utilicemos. Por lo menos se centra y escala.
Usted ha interpretado mi opinión en sentido contrario, en la naturaleza, el objetivo es lo más práctico, lo más "necesario" sobrevive y se multiplica. Y es necesario entrenar el objetivo más "práctico" sin cambiarlo de ninguna manera.
Sobre los datos, sí, la información alimentada a la entrada, pero lo ideal sería tener "ojos", "oídos", "nariz", etc.
Usted ha interpretado mi opinión en sentido contrario, en la naturaleza el objetivo es el más práctico, el más "necesario" sobrevive y se multiplica. Y es necesario entrenar el objetivo más "práctico" sin cambiarlo de ninguna manera.
Sobre los datos, sí, la información alimentada a la entrada, pero lo ideal sería formar/recibir - "ojos", "oídos", "nariz", etc.
sí... porque esta es una discusión sobre personalidades, no sobre el tema planteado...