¿Qué alimentar a la entrada de la red neuronal? Tus ideas... - página 61
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
No se puede. Aprendes lo que te dan a aprender.
¿Cómo sabes si has aprendido o no?
Aprende el 100%, hasta el último ejemplo o como escribirlos todos en la base de datos. Si te han dado información incompleta, no es tu error/problema, sino culpa del profesor. En la escuela, si aprendes la tabla de multiplicar sólo hasta el 5, no debes preguntar por el 6.
No se puede. Lo que te dan a aprender, lo aprendes.
Entonces, ¿la memorización (el aprendizaje) es un proceso sin fin? ¿Te dan a memorizar la tabla de multiplicar y aprendes y aprendes lo mismo toda la vida?
Sin evaluación, no está claro si la memorización es buena o no tan buena, y no está claro cuándo parar el proceso de memorización.
Enseña 100%, al último ejemplo o cómo ponerlos todos en la base de datos.
"100%" es una estimación.
Aprender y grabar son cosas diferentes.
Memorización/grabación - no requiere evaluación, se asume que la grabación es 100% eficiente (es un proceso acabado, la optimización ya ha sido realizada por desarrolladores anteriormente y se ha conseguido un 100% de calidad en la retención de registros).
Proceso de memorización - proceso inacabado, requiere evaluación para entender que la memorización es de alta calidad.
Por favor, confirme o refute mis afirmaciones.
"100%" es la estimación.
Enseñar y anotar son cosas distintas.
Conservación/grabación - no requiere evaluación, se supone que la grabación es 100% efectiva (es un proceso completo, la optimización ya ha sido realizada por los desarrolladores con anterioridad y se ha conseguido un 100% de calidad en la conservación de la grabación).
Proceso de memorización - proceso incompleto, requiere evaluación para entender que la memorización es de alta calidad.
Por favor, confirme o refute mis afirmaciones.
Estás intentando colar la optimización otra vez )) Es un bucle sin fin. No me voy a quedar atascado en él.
Todo lo que quería decir sobre el aprendizaje = optimización, ya lo he dicho.
Estás intentando meter optimización otra vez )) Es un bucle sin fin. No me voy a quedar atascado en él.
Todo lo que quería decir sobre el aprendizaje = optimización, ya lo he dicho.
Callejón sin salida, ¿te has quedado sin argumentos?
No voy a empujar nada, sólo estoy disipando conceptos erróneos. No te preocupes, conceptos erróneos puede ser cualquiera, aquí en este hilo y vamos a tratar con él, el topikstarter aprobó esta buena intentions)))).
No estoy hablando de optimización. Estoy hablando del hecho de que cualquier proceso significativo tiene una evaluación, porque sin evaluación es imposible entender la calidad del trabajo realizado, o no está claro cuando el proceso puede ser completado. ¿Está de acuerdo?
Si te ocupas de algunas de las piedras angulares, podrás descubrir nuevos horizontes que antes no eran visibles.
Estancamiento, ¿se acabaron las discusiones?
No voy a empujar nada, sólo estoy disipando conceptos erróneos. No te preocupes, conceptos erróneos puede ser cualquiera, aquí en este hilo y vamos a tratar con él, el topikstarter aprobado esta buena intención))).
No estoy hablando de optimización. Estoy hablando del hecho de que cualquier proceso significativo tiene una evaluación, porque sin evaluación es imposible entender la calidad del trabajo realizado, o no está claro cuando el proceso puede ser completado. ¿Está de acuerdo?
Si se comprenden algunas de las cosas fundamentales, se pueden descubrir nuevos horizontes que antes no eran visibles.
Puede haber muchas evaluaciones, y pueden combinarse de formas muy extrañas. Por ejemplo, la formación se realiza mediante optimización iterativa utilizando una estimación, pero la selección de modelos se hace utilizando estimaciones (métricas) completamente diferentes.
En el contexto del trading, también te recuerdo el enfoque de fxsaber, en el que se busca una meseta en lugar de un pico. Se trata también de un problema que no está claramente formalizado como problema de optimización.
Bueno, si enseñas la tabla de multiplicar, la ley de Ohm y otras leyes, cuantos más ejemplos des durante el entrenamiento, más precisas serán las respuestas sobre nuevos datos.
Y el modelo siempre estará poco entrenado, porque hay infinitas variantes, no puedes alimentarlas todas, por supuesto. En una situación ruidosa, los operadores de radio pueden hacer frente al ruido blanco (u otros ruidos naturales aprendidos), en el comercio y el ruido cambia todo el tiempo. Así que todo es bastante complicado para evaluar la calidad.
Pues no lo es. La precisión de las respuestas con datos nuevos (y por datos nuevos entendemos datos diferentes a los de entrenamiento) dependerá de las propiedades de cada modelo en particular, no del número de ejemplos de entrenamiento.
En la línea de entrenamiento tienes algunos datos, pero no tienes dónde conseguir más. Te abstraes de la cantidad de datos e intentas entrenar el modelo para que prediga los nuevos datos con la mayor precisión posible. Ese es el objetivo del entrenamiento.
Hay dos criterios de evaluación clave: la varianza y el sesgo del modelo en relación con los valores esperados. Encontrar un equilibrio entre ambos es la parte principal del entrenamiento, la que tiene importancia. Sin embargo, estos criterios no se optimizan, sino que se determinan a posteriori. En otras palabras, el problema se encuentra más a menudo en los datos que en las cualidades del modelo.
Puede haber muchas estimaciones, y pueden combinarse de formas muy extrañas. Por ejemplo, el entrenamiento se realiza mediante optimización iterativa utilizando una puntuación, pero la selección del modelo se realiza utilizando puntuaciones (métricas) completamente diferentes.
En el contexto del trading, también te recuerdo el enfoque de fxsaber, en el que se busca una meseta en lugar de un pico. Se trata también de un problema que no está claramente formalizado como problema de optimización.
Es cierto que puede haber muchas estimaciones. Normalmente, el conjunto de evaluaciones, consecutivas o tomadas como elementos separados de la evaluación global (integral), se denominan métricas. En cualquier caso, se evaluará el resultado final.
Acerca de las mesetas. Una meseta también puede describirse como una puntuación final. Para ello, hay que describir qué es la "meseta" y buscar lo que se ajuste (la puntuación) al máximo a esa descripción. Por ejemplo, podría ser un conjunto de vecinos más próximos con una determinada variación máxima permitida de altura. Si es algo que una persona puede ver con sus ojos o visualizar, entonces puede describirse y, por tanto, evaluarse mediante una estimación.