Alors la question de la reconversion dans toute sa splendeur
La reconversion est devenue un épouvantail dans le sujet.
Le réapprentissage n'a rien de nouveau, d'effrayant ou même d'inhabituel. Elle est inhérente à absolument tous les modèles, y compris les modèles déterministes. Même Y=Ax+B peut être recyclé.
Conséquence typique d'un mauvais choix d'entrées, le modèle lui-même et la précision requise ne correspondant pas au processus. Par exemple, essayer d'affiner un processus non linéaire avec un modèle linéaire aboutira à un modèle qui s'effrite. Un modèle grossier donnera des résultats bons mais insuffisants - il semblait, "bien, minou, un peu plus"(c).
Je ne sais même pas si je dois faire mieux, 20 000% en 2,5 mois aux prix d'ouverture sur 5 minutes si j'ai de la chance... vous déposez 1k$ et pré-commandez une Bentley. Si vous n'avez pas de chance, vous êtes une petite perte).
L'ont-ils refait sur le neurone de Reshetov (RNN) ?
Je ne sais même pas si je dois faire mieux, 20 000% en 2,5 mois aux prix d'ouverture sur 5 minutes si j'ai de la chance... vous déposez 1k$ et pré-commandez une Bentley. Si vous n'avez pas de chance, vous êtes une petite perte).
Maxim, voici un concours qui aura lieu en juillet pendant 4 semaines - le prix est de 10 $. Ce n'est pas une mauvaise façon de tester la vraie affaire dans un mode de combat réel.
Maxim, il y a un concours à venir en juillet pour 4 semaines au coût de 10 $. Ce n'est pas une mauvaise option dans le monde réel pour tester au maximum ou pas du tout un mode de combat.
Peut-être qu'il y aura une version finale d'ici là. Pour l'instant, j'ai une nouvelle version tous les jours.
Bientôt, je le comparerai à MLP z alglib, ce qui n'est pas vraiment une comparaison équitable.
Et alors il ne restera plus qu'à passer complètement en R
J'ai presque terminé ma version en ALGLIB. Il sera intéressant de comparer les performances. Il suffit de fixer absolument les mêmes tâches pour les grilles (indicateurs, périodes d'indicateurs, période d'enseignement, matrice d'entraînement, etc.) et de voir laquelle se développe le mieux. Il serait intéressant que quelqu'un des propriétaires de R EA se joigne à nous, car les grilles de Reshetov et d'ALGLIB sont trop simples.
Puis la question de la reconversion dans toute sa splendeur
De nos jours, de nombreuses méthodes ont été développées dans les réseaux neuronaux profonds afin de réduire considérablement la probabilité de surajustement.
D'une manière générale, la traduction "overfitting -> overtraining" est, à mon avis, inexacte dans son sens. Il s'agit plutôt de "apprendre" que de "apprendre".
Vous ne devez pas en avoir peur, vous devez simplement contrôler le moment où vous terminez votre apprentissage.
Intéressant ! !! Mais le problème est un peu différent. Disons que votre UC est en baisse de 20%. La question est... Sortira-t-il de la baisse et réalisera-t-il un profit au sommet ou continuera-t-il à baisser ? ? ???? Comment savoir si votre TS a besoin d'être réoptimisé ?
Si vous n'avez pas de compte, veuillez vous inscrire
Autorisez l'utilisation de cookies pour vous connecter au site Web MQL5.com.
Veuillez activer les paramètres nécessaires dans votre navigateur, sinon vous ne pourrez pas vous connecter.
Vous êtes connecté. L'authentification à deux facteurs a été désactivée. Configurez-la à nouveau et scannez un nouveau code QR, ou continuez avec l'authentification à deux facteurs désactivée.
Écrivez-le en toutes lettres.)) Je veux, si ce n'est pas une Bentley, au moins une Peugeot avec une automatique).
Seau de Logan :)
Alors la question de la reconversion dans toute sa splendeur
La reconversion est devenue un épouvantail dans le sujet.
Le réapprentissage n'a rien de nouveau, d'effrayant ou même d'inhabituel. Elle est inhérente à absolument tous les modèles, y compris les modèles déterministes. Même Y=Ax+B peut être recyclé.
Conséquence typique d'un mauvais choix d'entrées, le modèle lui-même et la précision requise ne correspondant pas au processus. Par exemple, essayer d'affiner un processus non linéaire avec un modèle linéaire aboutira à un modèle qui s'effrite. Un modèle grossier donnera des résultats bons mais insuffisants - il semblait, "bien, minou, un peu plus"(c).
Je ne sais même pas si je dois faire mieux, 20 000% en 2,5 mois aux prix d'ouverture sur 5 minutes si j'ai de la chance... vous déposez 1k$ et pré-commandez une Bentley. Si vous n'avez pas de chance, vous êtes une petite perte).
Ont-ils encore fait ça sur le neurone de Reshetov (RNN) ?
Oui, mais il n'en reste plus grand-chose).
Bientôt, je le comparerai à MLP z alglieb, ce qui n'est pas vraiment une comparaison équitable.
Et alors il ne restera plus qu'à passer complètement en R
Je ne sais même pas si je dois faire mieux, 20 000% en 2,5 mois aux prix d'ouverture sur 5 minutes si j'ai de la chance... vous déposez 1k$ et pré-commandez une Bentley. Si vous n'avez pas de chance, vous êtes une petite perte).
Maxim, voici un concours qui aura lieu en juillet pendant 4 semaines - le prix est de 10 $. Ce n'est pas une mauvaise façon de tester la vraie affaire dans un mode de combat réel.
Maxim, il y a un concours à venir en juillet pour 4 semaines au coût de 10 $. Ce n'est pas une mauvaise option dans le monde réel pour tester au maximum ou pas du tout un mode de combat.
Peut-être qu'il y aura une version finale d'ici là. Pour l'instant, j'ai une nouvelle version tous les jours.
Oui, mais il n'en reste plus grand chose.)
Bientôt, je le comparerai à MLP z alglib, ce qui n'est pas vraiment une comparaison équitable.
Et alors il ne restera plus qu'à passer complètement en R
Puis la question de la reconversion dans toute sa splendeur
De nos jours, de nombreuses méthodes ont été développées dans les réseaux neuronaux profonds afin de réduire considérablement la probabilité de surajustement.
D'une manière générale, la traduction "overfitting -> overtraining" est, à mon avis, inexacte dans son sens. Il s'agit plutôt de "apprendre" que de "apprendre".
Vous ne devez pas en avoir peur, vous devez simplement contrôler le moment où vous terminez votre apprentissage.
Bonne chance
Maxim, il y a un concours en juillet pendant 4 semaines, le prix est de 10 $. C'est une bonne option à tester dans une session de négociation réelle.
Peut-être s'il y a une version finale à ce moment-là, pour l'instant j'ai une nouvelle version tous les jours.
C'est l'heure ! C'est déjà l'heure !