記事"ディープニューラルネットワーク(その4)ニューラルネットワーク分類器のアンサンブル: バギング"についてのディスカッション - ページ 4

[Belford]

Vladimir Perervenko:

また、この数字をどのように決定／計算したのですか？もちろん、秘密でなければ。

実験的な方法だ。特定の時系列、時間枠、ZigZagパラメータに大きく依存します。例えば、EURUSD15の場合、0.84の精度は十分ではありませんでした。

[Aleksei Kuznetsov]

10個のDNN Darchのアンサンブルを試し、上位10個の予測を平均化。

改善は見られず、平均予測(osh=33%)はベスト(osh=31%)をわずかに下回った。ワーストはエラー=34%。

DNNはよく訓練されている - 100エポック分。

どうやらアンサンブルは、Elmのような訓練不足のネットワークや弱いネットワークが多数あってもうまく機能するようだ。

[Vladimir Perervenko]

elibrarius:

10個のDNN Darchのアンサンブルを試し、上位10個の予測を平均化。

改善は見られず、平均予測(osh=33%)はベスト(osh=31%)をわずかに下回った。最悪はエラー=34%だった。

DNNはよく訓練されている - 100エポック分。

どうやらアンサンブルは、Elmのような訓練不足のネットワークや弱いネットワークが多数あってもうまく機能するようだ。

もちろん、アンサンブルでは弱くて不安定なモデルを使う方がよい。しかし、厳密なものを使ってアンサンブルを作ることもできるが、テクニックは少し異なる。サイズが許せば、次回はTensorFlowを使ってアンサンブルを作成する方法を紹介する。一般的に、アンサンブルの話題は非常に広くて面白い。例えば、ELMニューラルネットワークやその他の弱いモデルをノードとしてRandomForestを構築することができる（gensembleパッケージを参照）。

成功

[Dong Yang Fu]

ディープNNの新しいトピックをチェックするのが 習慣になっている。ブラボー！

[Vladimir Perervenko]

Обсуждение и вопросы по коду можно сделать в ветке

Удачи

[Vladimir Perervenko]

コードに関する議論や質問はブランチで どうぞ。

幸運を祈る

[Serhii Yermolenko]

興味深い記事だ。