L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3398
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Un bon résumé de l'ensemble de la discussion
J'ai écouté avec plaisir
Je dirais que c'est l'inverse au début.
parce que je n'ai pas beaucoup de traits de caractère).
C'est ainsi que cela fonctionne : à partir de "nombreux" traits différents, on obtient "pas beaucoup" mais de bons traits.
Et plus il y a de "beaucoup" au départ, plus les "pas beaucoup" mais bons sont riches et meilleurs à la fin.
C'est ainsi que cela fonctionne, parmi "beaucoup" de différents, on obtient "pas beaucoup", mais de bons.
Et plus il y a de "nombreux" au début, plus vous obtenez de "peu" mais bons à la fin.
Cela a été fait par le biais du gmdh ou de ce qui s'appelle
.
Quel est le rapport avec le LLM ?
Quel est le rapport avec le LLM ?
Parce qu'elles se généralisent bien, en théorie.
Plus l'échantillon de formation est grand, meilleures sont les statistiques (en général).
Parce qu'ils se généralisent bien, en théorie.
Ils se généralisent bien parce qu'ils sont entraînés sur des milliards de données de mots, et nous avons des prix.
À quoi allez-vous entraîner un neurone s'il est entraîné à parler ?
Et vous ne pouvez pas entraîner le vôtre sur les prix parce que vous avez besoin de beaucoup de visualisations.
Donc, soit je ne sais pas quelque chose, soit, encore une fois, quel est le rapport avec le LLM ?