ある「特定の」入力のNSへの寄与を、実際どのように評価するのか？ - ページ 4

[削除済み]

また、次のようなバリエーションも提案できる。簡単のために、NSを3つの入力とする。

そして20のインプットをすべて適用し、オプティマイザーに3つのインプットの最適な組み合わせを、例えばドローダウンが最小になるようなフォワードランなどの基準で自力で見つけさせるのです。

こんな感じ。

[СанСаныч Фоменко]

Swetten:

また、次のようなバリエーションも提案できる。簡単のために、NSを3つの入力とする。

そして20のインプットをすべて適用し、オプティマイザーに3つのインプットの最適な組み合わせを、例えばドローダウンが最小になるようなフォワードランなどの基準で自力で見つけさせるのです。

こんな感じ。

それは確かです。本を読むか、自由奔放に空想にふけるか、誰にでも選択肢はあるのです。

[[Supprimé]]

Figar0:

金曜日とまではいかないが．

任意のNSがあり、入力A={A1, A2, ...］がある。A20}.NSを鍛えて、納得のいく結果を出す。入力A1, A2, ...の各要素の寄与を実用的に評価するにはどうしたらよいだろうか。A20でこの結果？

私の頭の中にある選択肢は、以下の通りです。

1) 要素がネットワークを通過する際のすべての重みを何らかの形で合計し、計算する。どうすればいいのか、ネットワークの操作に没頭して、なんとか係数などを計算しなければならないのですが、よくわかりません。

2）何らかの方法で「ゼロにする」、例えば入力ベクトルの要素を逆にしてみて、それが最終結果にどのような影響を与えるかを見る。今のところ、それに落ち着いています。

しかし、この第二の変種を実現する前に、私はアドバイスを求めることにした。このテーマについて、私より長く考えている人はいるだろうか。どなたか、役に立つ本や記事を教えてください。

インジケーターを書いて、別ウィンドウで実行することを提案します。

指標となる線は、非常に興味深い認知観察ができるだろう。

指標となるラインは、ニューロン加算器出力、非線形変換器後のニューロン出力、場合によっては委員会出力などです。

このような可視化は、この ブラックボックスに「浸透」し、そこですべてがどのように起こっているか／機能しているかを理解するのに役立つだろう。

[削除済み]

faa1947:
それは確かです。本を読むか、自由奔放に空想にふけるか、誰にでも選択肢はあるのです。

念のため、書籍に記載されている方法です。

おそらく、ここに提出した形ではないのでしょうが、基本的には正しいです。

[TheXpert]

LeoV:

各入力の影響度を現実的に見積 もることは、ほとんど不可能である。

他の入力との相対的な比較では、問題ないでしょう。入力のみ正規化する必要があります。

そこで、予測された出力をベンチマークとし、すべてのパターンの各入力について、ある入力のある非常に小さなシフトに対するRMS誤差を計算する。

[削除済み]

faa1947:

確かな証拠に基づくアプローチを経済学的な文脈の外で適用することは、幼稚な疑問を抱かせる。

回帰をすること。

利益 = s(1) * A0 + ...s(n) * A(n)

この回帰の係数を推定する。

すぐに、次のようになります。

係数0になる確率- にゅうりょくをやぶる

せっていかくりつ

楕円を用いると相関係数が得られる

リダンダント入力のテストを実行する

入力欠落に対するテストを実行する

係数値の安定性を調べる（変化のランダム性を評価する）。

知的な人が来て、私の子供じみた質問に大人の回答をしてくれた）ありがとうございました。回帰とNSは全く同じものではないだけでなく、提案された選択肢は少なくとも単純なものではありません。見積もり、取得、実施、実施、実施・・・。また、全く異なるシステムで得られた結果をどのように解釈すればよいのか、明確ではありません。MACDは良いのか悪いのか？一方のTSは使えるが、もう一方は使えないのか？

スウェッテン：

また、次のようなバリエーションも提案できる。簡単のために、3つの入力を持つNSを取り上げることにする。

20のインプットをすべてフィードし、オプティマイザーに3つのインプットの最適な組み合わせを、例えば、ドローダウンが最小になるようなフォワードランを基準にして勝手に見つけさせるのです。

こんな感じ。

全く同じことをしましたが、入力を取らず、組み合わせを作りました。 入力といくつかの組み合わせを除外して、結果を見ました。スイッチオン、スイッチオフ - その違いは？実装の仕様上、除外した方が便利だと思ったからです。

faa1947：
そうなんです。本を読むか、自由奔放に空想にふけるか、誰にでも選択肢はあるのです。
。

それから、記事本も同様に問い合わせたことがあります。誰もこの件に関して何も提案していませんし、あなたもそうでした。科学技術図書館に行って、唯一の非科学である計量経済 学を祈る?)本音は嫌いではないのですが、教育や教養を目的にトイレで立ち読みすると、原理主義的な理論家や売れない応用科学者が書いた本なので、実用性はほとんどなく、既成の解決策もないのです。そして、いくら読んでも「奔放な想像力」がなければ、実用に耐えることはできない。

[Alexey Burnakov]

TheXpert:

他の入力との相対的な比較では、問題ないでしょう。入力のみを正規化する必要があります。

そこで、予測出力をベンチマークとし、全パターンの各入力について、ある入力のある非常に小さなシフトに対するRMS誤差を計算する。

はい、または - 訓練されたNSでは、各入力を順番にそのサンプル平均に割り当てることによって、エラーをカウントします。

[Sceptic Philozoff]

Figar0: 賢い人がやってきて、私の子供じみた質問に大人顔負けの答えをしてくれた）まあ、ありがとうございました。回帰とNSは全く同じものではないだけでなく、提案された変形は少なくともより単純なものではありません。見積もり、取得、実施、実施、実施・・・。また、全く異なるシステムで得られた結果をどのように解釈すればよいのか、明確ではありません。MACDは良いのか悪いのか？片方のTSが使っていて、もう片方が使っていなくてもいいのでしょうか？

ちなみに、NSも回帰しています。現在のカウントダウンが以前のカウントダウンに依存するのと同じです。でも、そんなことはどうでもいいんです。

faaの 提案は線形 回帰に適用できるもので、ニューラルネットワークは非線形回帰である。

[TheXpert]

Mathemat:

ちなみに、NSも回帰しています。

一般的なケースでは全くありません。

[Sceptic Philozoff]

それなら、このスレッドの著者がどのネットワークを使っているのか聞いてみないとね。