Neuromongers, non passare :) bisogno di consigli - pagina 6

 

So già quali coppie testare prossimamente :)

 
TheXpert:

So già quali coppie testare prossimamente :)

cercare di non testare le coppie, ma i DT ...

;)

 
alexeymosc:

Come si affronta il problema del retraining delle reti neurali? Come si forma il campione di prova?

Non c'è. Con un certo rapporto tra pesi e modelli, questo problema non si verifica più. Prima parlavo del campionamento.

Ovviamente, il sistema impara bene e approssima i modelli nei segmenti di test, ma a volte fallisce nei segmenti di validazione. Forse ha senso modellare il campione di prova in modo diverso...
Se solo fosse così semplice... Potrebbe avere senso... Qual è il contrario?
 

Queste sono le opzioni che ho in mente al momento, come si dice:


- Il campione di prova è sempre costituito dai dati più recenti prima del cut-off di convalida (si tenga conto del "The Time Series Recency Effect", sebbene anche questo sia una delle ipotesi a priori del ricercatore, ma si può provare);


- Il campione di prova è mescolato in modo casuale con il campione di allenamento;


- Il campione di prova non è mescolato a caso con il campione di allenamento, ma del tipo 000100010001, cioè copre lo spazio del campione in modo uniforme.



E provate un campione di prova diverso per ogni caso. Opzioni:


- uguale al cutoff di validazione;


- calcolato in base all'errore di campionamento, cioè intervallo di confidenza del 5%, livello di confidenza del 95%.

 

Quindi mi sembra di capire che non usi affatto un campione di prova... Basta addestrare la rete e andare avanti, cioè testarla subito. E se la rete viene addestrata sugli stessi dati (campione di allenamento) e la qualità dell'addestramento viene valutata sul campione di test? E poi - OOS.

IMHO - il campione di prova è necessario per controllare la formazione della rete.

 

Sono d'accordo con alexeymosc. Se ti occupi di reti neurali, dovresti essere armato a dovere.

Credo che si chiami così:

  • Campionamento dei dati di allenamento (segmento di dati A; stimare l'errore su di esso non ha senso),
  • validazione (stima l'errore su un altro segmento di dati, B; il segmento B è implicitamente coinvolto nell'addestramento, poiché B determina la fine dell'addestramento dall'errore minimo)
  • e test, C (dati non noti a tutti).
 
joo:

Flowing Pattern Theory ....


Lei parla con tanta sicurezza di alcuni modelli fluidi. Nel frattempo né Yandex né Google ne hanno sentito parlare (o la loro ricerca non funziona :)). E anche se probabilmente so cosa intendi, vorrei qualcosa almeno un po' più dettagliato, se possibile.

TheXpert:

So già quali coppie testare prossimamente :)


Perché le coppie?) Prova alcuni indici, l'oro... Mi chiedo cosa funzionerà là fuori.

Z.U. E secondo me tutte queste immagini finora dicono che il TC con tali impostazioni al momento non funziona. Ma dal 2001 al 2005 è buono) Dovremmo fare qualche aggiustamento.

 
Figar0:


1) Lei parla con tanta sicurezza di alcuni modelli fluidi.

2) Nel frattempo, né Yandex né Google hanno mai sentito parlare di loro (o forse anche la loro ricerca non funziona :)). E anche se probabilmente so di cosa si tratta, se possibile vorrei qualcosa almeno un po' più dettagliato.

.....

1) Beh, come potrebbe essere altrimenti? Sai che è un parto della mia immaginazione.

2) Non è molto conosciuto, credo. :) Che altro posso dire? - Proprio quello che ho detto prima, puoi cercarlo sul forum. Forse accumulerò tutti i miei post e scriverò una specie di "sintesi" dell'essenza della teoria e sarà utile per me personalmente.

 

Forse una domanda banale, ma comunque.

Potete dirmi per favore se questo è il modo giusto per insegnare NS o no?

O è sbagliato allenarsi ripetutamente ma con uno scopo diverso per l'indicatore, e dovrebbe essere così?

Semmai uso NeuroSolutions.

 
Summer:

Potete dirmi per favore se questo è il modo di insegnare NS o no?

Non vedo nessuna buona ragione per dire di no. Perché no? I dati sono nuovi? Sì.

Insegnare con il metodo della finestra (cioè essenzialmente ottenere una formula di ricorrenza) è esattamente il modo in cui si insegna.

Motivazione: