그래서 줄의 무게를 균일하게 줄이려고 노력했지만 개선점을 찾지 못했습니다. 다른 옵션은 무엇입니까?
그들은 아마도 뭔가를 했을 것입니다. 분류기가 재구성되어야 하지만 시간 가중치가 없는 최적은 다릅니다.
또한 학습자를 예를 들어 10개의 조각으로 나누고 10% 테스트(끝(현재)에 가까움)에서 모두에 대해 다소간 최적의 평균으로 훈련한 다음 변조된 분류의 품질을 사용할 수도 있습니다( 1-.1) 조각에 대한 가중치로. 물론 특정 단계에서 슬라이딩 창을 사용하여 더 균일한 가중치를 얻을 수도 있습니다. 그건 그렇고, 이러한 규모의 역학 자체는 시장 체제의 변화와 관련된 매우 중요한 기능입니다.
그들은 아마도 뭔가를 했을 것입니다. 분류기가 재구성되어야 하지만 시간 가중치가 없는 최적은 다릅니다.
또한 학습자를 예를 들어 10개의 조각으로 나누고 10% 테스트(최종(현재)에 가까움)에서 모두에 대해 다소간 최적의 평균으로 훈련한 다음 변조된 분류 품질(1- .1) 단편에 대한 가중치로. 물론 특정 단계에서 슬라이딩 창을 사용하여 더 균일한 가중치를 얻을 수도 있습니다. 그건 그렇고, 이러한 규모의 역학 자체는 시장 체제의 변화와 관련된 매우 중요한 기능입니다.
나는 그 아이디어를 잘 이해하지 못했습니다. Vladimir는 어떻게 조언 했습니까? 저것들. 데이터의 일부에 대해 학습한 후 테스트 섹션에 가중치를 두나요?
나는 그 아이디어를 잘 이해하지 못했습니다. Vladimir는 어떻게 조언 했습니까? 저것들. 데이터의 일부에 대해 학습한 후 테스트 섹션에 가중치를 두나요?
글쎄, 이런 식으로, 내가 그를 올바르게 이해했다면. 첫 번째 조각에서 훈련하고, akurashi를 얻고 모든 조각의 akurashi에서 -1, 1로 변조된 가중치로 사용합니다. 모든 조각에 대해 슬라이딩 창으로 겹치는 조각을 할 수 있습니다. 더 많은 계산이 있지만 IMHO 10-20 조각 500k 샘플 라인에 충분합니다.
추신 분동은 시험분동이 아니라 왼쪽 그림에서 실제 분동에 가까운 쪽이 아니라 렌피스 쪽 끝에 있는 분동으로 설정되어 있습니다.
글쎄, 이런 식으로, 내가 그를 올바르게 이해했다면. 첫 번째 조각에서 훈련하고, akurashi를 가져 와서 모든 조각의 akurashi에서 -1, 1로 변조 된 가중치로 사용하십시오. 모든 조각에 대해 슬라이딩 창으로 겹치는 조각을 할 수 있습니다. 더 많은 계산이 있지만 IMHO 10-20 조각 500k 샘플 라인에 충분합니다.
추신 분동은 시험분동이 아니라 왼쪽 그림에서 실제 분동에 가까운 쪽이 아니라 렌피스 쪽 끝에 있는 분동으로 설정되어 있습니다.
그리고 - 글쎄, 그것은 블라디미르의 것과는 정반대입니다. 그는 이 시험편의 행에 추를 싣고 계속해서 이동시키면서 전체 샘플에 추를 가합니다. 여기에서 각 행에 고유한 가중치가 있습니다.
그리고 당신은 작은 조각(20-50,000줄)에 대한 훈련을 하고 테스트에 따라 검사하고 테스트가 모든 조각의 평균보다 낫거나 나쁠 경우 이 조각의 모든 줄의 가중치를 변경합니다. 따라서 lern. 여기서 조각의 모든 선의 무게는 동일합니다.
Зачем торговать на эффективном рынке? Модели эффективности и предсказуемость. Кирилл Ильинский рассказывает о связи между эффективностью рынка и предсказуемостью движений цен финансовых инструментов. В лекции обсуждается популярная точка зрения о противоречии между эффективным рынком и техническим анализом, а также различные подходы к описанию...
맞습니다(100k 미만은 일반적으로 노이즈)가 많을수록 좋지만 시장의 속성이 변경된다는 점과 훈련 시 이를 어떻게 고려해야 하는지는 큰 비밀입니다.
그래서 줄의 무게를 균일하게 줄이려고 노력했지만 개선점을 찾지 못했습니다. 다른 옵션은 무엇입니까?
그래서 줄의 무게를 균일하게 줄이려고 노력했지만 개선점을 찾지 못했습니다. 다른 옵션은 무엇입니까?
그들은 아마도 뭔가를 했을 것입니다. 분류기가 재구성되어야 하지만 시간 가중치가 없는 최적은 다릅니다.
또한 학습자를 예를 들어 10개의 조각으로 나누고 10% 테스트(끝(현재)에 가까움)에서 모두에 대해 다소간 최적의 평균으로 훈련한 다음 변조된 분류의 품질을 사용할 수도 있습니다( 1-.1) 조각에 대한 가중치로. 물론 특정 단계에서 슬라이딩 창을 사용하여 더 균일한 가중치를 얻을 수도 있습니다. 그건 그렇고, 이러한 규모의 역학 자체는 시장 체제의 변화와 관련된 매우 중요한 기능입니다.
그들은 아마도 뭔가를 했을 것입니다. 분류기가 재구성되어야 하지만 시간 가중치가 없는 최적은 다릅니다.
또한 학습자를 예를 들어 10개의 조각으로 나누고 10% 테스트(최종(현재)에 가까움)에서 모두에 대해 다소간 최적의 평균으로 훈련한 다음 변조된 분류 품질(1- .1) 단편에 대한 가중치로. 물론 특정 단계에서 슬라이딩 창을 사용하여 더 균일한 가중치를 얻을 수도 있습니다. 그건 그렇고, 이러한 규모의 역학 자체는 시장 체제의 변화와 관련된 매우 중요한 기능입니다.
나는 그 아이디어를 잘 이해하지 못했습니다. Vladimir는 어떻게 조언 했습니까? 저것들. 데이터의 일부에 대해 학습한 후 테스트 섹션에 가중치를 두나요?
글쎄, 이런 식으로, 내가 그를 올바르게 이해했다면. 첫 번째 조각에서 훈련하고, akurashi를 얻고 모든 조각의 akurashi에서 -1, 1로 변조된 가중치로 사용합니다. 모든 조각에 대해 슬라이딩 창으로 겹치는 조각을 할 수 있습니다. 더 많은 계산이 있지만 IMHO 10-20 조각 500k 샘플 라인에 충분합니다.
추신 분동은 시험분동이 아니라 왼쪽 그림에서 실제 분동에 가까운 쪽이 아니라 렌피스 쪽 끝에 있는 분동으로 설정되어 있습니다.
글쎄, 이런 식으로, 내가 그를 올바르게 이해했다면. 첫 번째 조각에서 훈련하고, akurashi를 가져 와서 모든 조각의 akurashi에서 -1, 1로 변조 된 가중치로 사용하십시오. 모든 조각에 대해 슬라이딩 창으로 겹치는 조각을 할 수 있습니다. 더 많은 계산이 있지만 IMHO 10-20 조각 500k 샘플 라인에 충분합니다.
추신 분동은 시험분동이 아니라 왼쪽 그림에서 실제 분동에 가까운 쪽이 아니라 렌피스 쪽 끝에 있는 분동으로 설정되어 있습니다.
그리고 - 글쎄, 그것은 블라디미르의 것과는 정반대입니다. 그는 이 시험편의 행에 추를 싣고 계속해서 이동시키면서 전체 샘플에 추를 가합니다. 여기에서 각 행에 고유한 가중치가 있습니다.
그리고 당신은 작은 조각(20-50,000줄)에 대한 훈련을 하고 테스트에 따라 검사하고 테스트가 모든 조각의 평균보다 낫거나 나쁠 경우 이 조각의 모든 줄의 가중치를 변경합니다. 따라서 lern. 여기서 조각의 모든 선의 무게는 동일합니다.
이제 아이디어를 올바르게 이해했습니까?
돼지 저금통에서 아마도 흥미로운 .. 아직 보지 않았습니다. 강의 내용이 마음에 들었다.
https://www.lektorium.tv/lecture/14232
돼지 저금통에서 아마도 흥미로운 .. 아직 보지 않았습니다. 강의 내용이 마음에 들었다.
https://www.lektorium.tv/lecture/14232
나는 그 강사를 좋아했지만 강의는 좋아하지 않았다. 그는 잘 읽지만. 25분을 버텼습니다.) 다른 파견군을 위해 설계되었습니다. 분명히 재미있는 것이 더 말할 것입니다. 그러나 보는 데 2 시간이 걸립니다 ...
나는 그 강사를 좋아했지만 강의는 좋아하지 않았다. 그는 잘 읽지만. 25분을 버텼습니다.) 다른 파견군을 위해 설계되었습니다. 분명히 재미있는 것이 더 말할 것입니다. 그러나 보는 데 2 시간이 걸립니다 ...
아직 깨지도 않았다
거기에서 그는 강의 과정을 듣고 1st부터 보면 시장 구조 와 모델에 대한 심층 분석
일반적으로 흥미롭습니다. JP모건의 퀀텀이 누구인지는 모르겠지만..
그리고 - 글쎄, 그것은 블라디미르의 것과는 정반대입니다. 그는 이 시험편의 행에 추를 싣고 계속해서 이동시키면서 전체 샘플에 추를 가합니다. 여기에서 각 행에 고유한 가중치가 있습니다.
그리고 당신은 작은 조각(20-50,000줄)에 대한 훈련을 하고 테스트에 따라 검사하고 테스트가 모든 조각의 평균보다 낫거나 나쁠 경우 이 조각의 모든 줄의 가중치를 변경합니다. 따라서 lern. 여기서 조각의 모든 행의 무게는 동일합니다.
이제 아이디어를 올바르게 이해했습니까?
예, 조각에서 무게는 동일합니다. 먼저 각 조각으로 훈련하고 마지막에 하나의 테스트 조각에서 확인하고 훈련 조각에 대한 결과를 작성한 다음 모든 조각의 평균을 빼고 스프레드로 나눕니다. 가중치가 될 것입니다.
돼지 저금통에서 아마도 흥미로운 .. 아직 보지 않았습니다. 강의 내용이 마음에 들었다.
https://www.lektorium.tv/lecture/14232
Ito의 확률적 미적분학 없이 제시되는 금융 수학은 매우 신비하고 흐릿해 보입니다.