Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3075
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
¿Y si intentas responder a esta pregunta en términos del artículo que ha dado Maxim?
https:// arxiv.org/pdf/2201.12692.pdfEl orgullo no se lo permite. Lo hizo todo hace mucho tiempo en 15 minutos 🗿
El orgullo no se lo permite. Quiero decir, lo hizo todo hace mucho tiempo en 15 minutos 🗿
¿Usaste algo para traducir este artículo? He intentado yandex, está muerto.
¿Usaste algo para traducir este artículo? He intentado Yandex, está muerto.
con la cabeza. Pide GPT, a veces está mejor contextualizado.
con la cabeza. Pide GPT, a veces se ajusta mejor al contexto.
Oh, estoy atrasado - no tengo GPT :(((((
¿Usaste algo para traducir este artículo? He intentado Yandex, está muerto.
https://www.chatpdf.com/.
y luego la traducción.
Bienvenido a este PDF informativo sobre "Metaaprendizaje para la estimación causal". En este artículo, Gabriel Okasa explora los resultados de una muestra finita de metaaprendizaje para estimar efectos de tratamiento heterogéneos. Siga leyendo para conocer las ventajas del muestreo dividido y el ajuste cruzado para reducir el error sistemático y mejorar la eficacia de los metaaprendices.
Ejemplos de preguntas:
¿Qué son los metaestudios y cómo ayudan a estimar los efectos causales?
¿Cómo reducen la división de muestras y el ajuste cruzado el error sistemático de sobreajuste en la evaluación de metaaprendices?
¿Cuáles son las recomendaciones prácticas para utilizar el metaaprendizaje en muestras de pequeño y gran tamaño?
El metaaprendizaje son algoritmos de aprendizaje automático diseñados para estimar relaciones causales. Funcionan aprendiendo de un conjunto de aprendices de referencia, que a su vez son algoritmos de aprendizaje automático que predicen los efectos del tratamiento. A continuación, los metaaprendices combinan las predicciones de estos aprendices de base para producir una estimación global del efecto causal. Este enfoque puede ayudar a reducir el error sistemático y mejorar la precisión de las estimaciones del efecto causal. Para obtener más información sobre el metaaprendizaje, consulte la Sección 3.2 en la página 4.
La división de la muestra y el ajuste cruzado son dos métodos utilizados para reducir el error sistemático de sobreajuste en la evaluación de metaestudios. La división de la muestra consiste en dividir los datos en dos o más subconjuntos, utilizando un subconjunto para enseñar a los alumnos de referencia y otro subconjunto para estimar el efecto causal. El ajuste cruzado implica entrenar a cada alumno de referencia en un subconjunto diferente de los datos y, a continuación, utilizar cada alumno para predecir los efectos del tratamiento en el otro subconjunto de los datos. Ambos métodos ayudan a reducir el error de sobreentrenamiento al evitar que los alumnos de referencia recuerden el ruido de los datos. Para obtener más información sobre la división de muestras y el ajuste cruzado, consulte la Sección 2.2 en la página. 3.
Estoy atrasado - no tengo GPT :(((((
Deberías haberle pedido que escribiera código para sí mismo, no para nosotros ) incluso mejor que un estudiante, no hay necesidad de alimentarlo salchicha
https://www.chatpdf.com/
y luego la traducción
Bienvenido a este PDF informativo sobre "metaaprendizaje para estimar efectos causales". En este artículo, Gabriel Okasa explora los resultados del metaaprendizaje de muestras finitas para estimar efectos de tratamiento heterogéneos. Siga leyendo para conocer las ventajas del muestreo dividido y el ajuste cruzado para reducir el error sistemático y mejorar la eficacia del metaaprendizaje.
Gracias. He descargado el archivo y ahora pregunta en inglés. ¿Cómo lo enseño en ruso?
Deberías haberle pedido que escribiera código por sí mismo, no nosotros ) incluso mejor que un estudiante, no hay necesidad de alimentarlo salchicha
¡Buen plan! Entiendo que necesitas un teléfono extranjero, pero ¿dónde lo consigues?
¡Buen plan! Entiendo que necesita un teléfono extranjero, pero ¿dónde conseguir uno?
¿Dónde lo consigo?
Gracias. He descargado el archivo y ahora ofrece hacer preguntas en inglés. ¿Cómo le enseño ruso?