Que mettre à l'entrée du réseau neuronal ? Vos idées... - page 61
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
On ne peut pas. On apprend ce qu'on nous donne à apprendre.
Comment savoir si vous avez appris ou non ?
Apprenez à 100 %, jusqu'au dernier exemple ou jusqu'à la façon de les écrire tous dans la base de données. Si on vous a donné des informations incomplètes, ce n'est pas votre erreur/problème, mais la faute de l'enseignant. À l'école, si vous n'apprenez la table de multiplication que jusqu'à 5, vous ne devriez pas poser de questions sur 6.
Vous ne pouvez pas. Ce qu'on vous donne à apprendre, vous l'apprenez.
La mémorisation (l'apprentissage) est donc un processus sans fin : on vous demande de mémoriser la table de multiplication et vous apprenez la même chose toute votre vie ?
Sans évaluation, il n'est pas possible de savoir si la mémorisation est bonne ou moins bonne, et il n'est pas possible de savoir quand arrêter le processus de mémorisation.
Enseigner 100%, jusqu'au dernier exemple ou comment les mettre tous dans la base de données.
"100%" est une estimation.
L'apprentissage et l'enregistrement sont deux choses différentes.
Sauvegarde/enregistrement - ne nécessite pas d'évaluation, on suppose que l'enregistrement est efficace à 100 % (c'est un processus achevé, l'optimisation a déjà été réalisée par des développeurs et a permis d'atteindre une qualité de conservation des enregistrements de 100 %).
Processus de mémorisation - processus inachevé, il nécessite une évaluation pour comprendre que la mémorisation est de haute qualité.
Merci de confirmer ou d'infirmer mes affirmations.
L'estimation est de "100 %".
Enseigner et noter sont deux choses différentes.
Préservation/enregistrement - ne nécessite pas d'évaluation, on suppose que l'enregistrement est efficace à 100 % (il s'agit d'un processus complet, l'optimisation a déjà été réalisée par les développeurs auparavant et a permis d'atteindre une qualité de préservation de l'enregistrement de 100 %).
Processus de mémorisation - processus incomplet, il nécessite une évaluation pour comprendre que la mémorisation est de haute qualité.
Veuillez confirmer ou réfuter mes affirmations.
Vous essayez encore de faire passer l'optimisation )) C'est une boucle sans fin. Je ne vais pas m'y enfermer.
Tout ce que je voulais dire sur l'apprentissage != optimisation, je l'ai déjà dit.
Vous essayez encore de faire de l'optimisation )) C'est une boucle sans fin. Je ne vais pas m'y enfermer.
Tout ce que je voulais dire sur l'apprentissage != optimisation, je l'ai déjà dit.
Impasse, vous êtes à court d'arguments ?
Je ne vais rien bousculer, je ne fais que dissiper des idées fausses. Ne vous inquiétez pas, les idées fausses peuvent être n'importe qui, ici dans ce fil et nous les traiterons, le topikstarter a approuvé ces bonnes intentions)))).
Je ne parle pas d'optimisation. Je parle du fait que tout processus significatif comporte une évaluation, parce que sans évaluation, il est soit impossible de comprendre la qualité du travail effectué, soit il n'est pas clair quand le processus peut être achevé. Êtes-vous d'accord avec cela ?
En s'attaquant à certaines des pierres angulaires, on peut découvrir de nouveaux horizons qui n'étaient pas visibles auparavant.
Impasse, les discussions sont-elles terminées ?
Je ne vais pas bousculer quoi que ce soit, je ne fais que dissiper des idées fausses. Ne vous inquiétez pas, les idées fausses peuvent être n'importe qui, ici dans ce fil et nous allons y faire face, le topikstarter a approuvé ces bonnes intentions))).
Je ne parle pas d'optimisation. Je parle du fait que tout processus significatif a une évaluation, parce que sans évaluation il est soit impossible de comprendre la qualité du travail effectué, soit il n'est pas clair quand le processus peut être achevé. Êtes-vous d'accord avec cela ?
En comprenant certains éléments fondamentaux, vous pouvez découvrir de nouveaux horizons qui n'étaient pas visibles auparavant.
Il peut y avoir de nombreuses évaluations et elles peuvent être combinées de manière très étrange. Par exemple, la formation se fait par optimisation itérative à l'aide d'une estimation, mais la sélection du modèle se fait à l'aide d'estimations (métriques) complètement différentes.
Dans le contexte de la négociation, je vous rappelle également l'approche de fxsaber, qui recherche un plateau plutôt qu'un pic. Il s'agit également d'un problème qui n'est pas clairement formalisé en tant que problème d'optimisation.
Si vous enseignez la table de multiplication, la loi d'Ohm et d'autres lois, plus vous donnez d'exemples pendant l'entraînement, plus les réponses seront précises sur de nouvelles données.
Dans une situation bruyante, les opérateurs radio peuvent faire face au bruit blanc (ou à d'autres bruits naturels appris), dans le commerce, le bruit change tout le temps. Tout cela est donc très compliqué pour l'évaluation de la qualité.
En fait, ce n'est pas le cas. La précision des réponses sur de nouvelles données (et par nouvelles données, nous entendons des données différentes des données d'apprentissage) dépendra des propriétés de chaque modèle particulier, et non du nombre d'exemples d'apprentissage.
En formation, vous disposez d'un certain nombre de données et vous n'avez nulle part où en obtenir davantage. Vous faites abstraction de la quantité de données et vous essayez d'entraîner le modèle à prédire les nouvelles données aussi précisément que possible. C'est le but de la formation.
Il existe deux critères d'évaluation essentiels : la variance et le biais du modèle par rapport aux valeurs attendues. La recherche d'un équilibre entre les deux est la partie principale de la formation, celle qui est importante. Cependant, ces critères ne sont pas optimisés, mais déterminés après coup. En d'autres termes, le problème se trouve plus souvent dans les données que dans les qualités du modèle.
Il peut y avoir de nombreuses estimations et elles peuvent être combinées de manière très bizarre. Par exemple, la formation est effectuée par optimisation itérative en utilisant un score, mais la sélection du modèle est effectuée en utilisant des scores (métriques) complètement différents.
Dans le contexte du trading, je vous rappelle également l'approche de fxsaber, qui recherche un plateau plutôt qu'un pic. Il s'agit également d'un problème qui n'est pas clairement formalisé en tant que problème d'optimisation.
Il est vrai qu'il peut y avoir de nombreuses estimations. Habituellement, l'ensemble des évaluations, consécutives ou considérées comme des éléments distincts de l'évaluation globale (intégrale), sont appelées métriques. Dans les deux cas, c'est le résultat final qui sera évalué.
À propos des plateaux. Un plateau peut également être décrit comme un score final. Pour ce faire, vous devez décrire ce qu'est le "plateau" et rechercher ce qui correspond le plus possible à cette description (le score). Il peut s'agir, par exemple, d'un ensemble de voisins les plus proches présentant une certaine variation maximale autorisée en termes de hauteur. S'il s'agit d'une chose qu'une personne peut voir avec ses yeux ou visualiser, elle peut être décrite et donc évaluée par une estimation.