1.2. 표본에서 제외하고 결과에 미치는 영향을 평가하고 결과를 개선하면 유사한 예측 변수 생성에 대해 생각합니다.
2. 예측 변수 그룹 대신 하나의 예측 변수를 사용합니다.
1. 이것은 모델을 만들 때 실수로 가져갈 확률을 균등하게 합니다.
2. 차원을 줄여 학습 시간 단축
예, 확인하고 싶지만 상자에서 이러한 모델을 만들 수 있는 도구를 모르겠습니다.
그런데 여기서 왜 훈련 중에 깨진 함수를 사용하지 않는지(양자화를 사용하는 것처럼 - 스텝 라인 대신) 생각이 떠올랐습니다. 이렇게 하면 데이터 정확도에 백래시가 생기고 재훈련을 줄일 수 있습니다.
예측 변수가 가격인 경우 왼쪽과 오른쪽에 있는 3-5개의 막대는 중앙 막대와 높은 상관 관계가 있으며 가격이 급등하는 동안 예외는 거의 없습니다. 5번째 또는 7번째 마디마다 원하는 것을 얻으십시오. 또는 더 높은 기간으로 전환하십시오. 또는 교차 상관 관계를 확인하여 예측 변수를 제거합니다. 이 지점의 설립자도 자신의 블로그를 세어보면서 막대를 가늘게 만들었습니다.
예측 변수가 가격인 경우 왼쪽과 오른쪽에 있는 3-5개의 막대는 중앙 막대와 높은 상관 관계가 있으며 가격이 급등하는 동안 예외는 거의 없습니다. 5번째 또는 7번째 마디마다 원하는 것을 얻으십시오. 또는 더 높은 기간으로 전환하십시오. 또는 교차 상관 관계를 확인하여 예측 변수를 제거합니다. 이 지점의 설립자도 자신의 블로그를 세어보면서 막대를 가늘게 만들었습니다.
이것이 유용한 이유는 여러 가지가 있습니다.
1. 상호 의존적 예측 변수를 식별할 수 있습니다 .
1.1. 그들의 도움으로 별도의 모델을 구축하고 예측 능력을 평가하십시오.
1.2. 표본에서 제외하고 결과에 미치는 영향을 평가하고 결과를 개선하면 유사한 예측 변수 생성에 대해 생각합니다.
2. 예측 변수 그룹 대신 하나의 예측 변수를 사용합니다.
1. 이것은 모델을 만들 때 실수로 가져갈 확률을 균등하게 합니다.
2. 차원을 줄여 학습 시간 단축
예, 확인하고 싶지만 상자에서 이러한 모델을 만들 수 있는 도구를 모르겠습니다.
그런데 여기서 왜 훈련 중에 깨진 함수를 사용하지 않는지(양자화를 사용하는 것처럼 - 스텝 라인 대신) 생각이 떠올랐습니다. 이렇게 하면 데이터 정확도에 백래시가 생기고 재훈련을 줄일 수 있습니다.
예측 변수가 가격인 경우 왼쪽과 오른쪽에 있는 3-5개의 막대는 중앙 막대와 높은 상관 관계가 있으며 가격이 급등하는 동안 예외는 거의 없습니다. 5번째 또는 7번째 마디마다 원하는 것을 얻으십시오. 또는 더 높은 기간으로 전환하십시오. 또는 교차 상관 관계를 확인하여 예측 변수를 제거합니다. 이 지점의 설립자도 자신의 블로그를 세어보면서 막대를 가늘게 만들었습니다.
우선, 쓰레기 표지판의 데이터를 지우는 것이 좋습니다 ...
상상해 보세요. 10개의 표지판이 있고 그 중 9개는 쓰레기입니다.
여전히 동일합니다. .. '사전 훈련' 후 주초에 잘 작동합니다. 그런 다음 쏟아지기 시작합니다. 다시 수정했습니다 내일 테스트 해보겠습니다 :D
보상은 상인에서 비뚤게 계산됩니다, 당신은 .. 일련의 업데이트 후에, 그것은 잘못된 방향으로 거래를 시작합니다
동시에, 나는 시간 사이에 토치에서 순환 네트워크를 선택합니다.
노란색 - 주의 시작, 처음 1-3일
흥미로운...
그러면 누가 "둥근 레벨"을 표시로 사용하려고 했습니까?
아니면 가격을 처리하는 방법으로?
예를 들어 값이 반올림된 가격을 확인할 수 있습니다...
연속으로 동일한 값을 제거할 수 있습니다...
그것은 정보의 나쁜 압축이 아니라 필터링을 더한 것으로 판명되었습니다. 아마도 모델이 그러한 차트에서 패턴을 찾는 것이 더 쉬울 것입니다..
그러면 누가 "둥근 레벨"을 표시로 사용하려고 했습니까?
아니면 가격을 처리하는 방법으로?
예를 들어 값이 반올림된 가격을 확인할 수 있습니다...
연속으로 동일한 값을 제거할 수 있습니다...
그것은 정보의 나쁜 압축이 아니라 필터링을 더한 것으로 판명되었습니다. 아마도 모델이 그러한 차트에서 패턴을 찾는 것이 더 쉬울 것입니다..
렌코가 나왔다
그러면 누가 "둥근 레벨"을 표시로 사용하려고 했습니까?
아니면 가격을 처리하는 방법으로?
예를 들어 값이 반올림된 가격을 확인할 수 있습니다...
연속으로 동일한 값을 제거할 수 있습니다...
그것은 정보의 나쁜 압축이 아니라 필터링을 더한 것으로 판명되었습니다. 아마도 모델이 그러한 차트에서 패턴을 찾는 것이 더 쉬울 것입니다..
예
열심히 다시 그리기
훈련할 수 없기 때문에 솔버는 극소값에 고정됩니다. 아이디어에 관해서는 - 블랙 박스이기 때문에 거기에서 아무 것도 꺼낼 수 없습니다.
멈춤에 대해 - 오류 수정 방식을 변경해야 할 수도 있습니다.
글쎄, 블랙 박스가있는 이유는 2-3 레이어 만 있으면 계수로 선택하는 것이 가능합니다. 여기에서 작은 계수는 거칠어지고 0으로 재설정되어 뉴런에 대한 입력 수를 줄일 수 있습니다.
예측 변수가 가격인 경우 왼쪽과 오른쪽에 있는 3-5개의 막대는 중앙 막대와 높은 상관 관계가 있으며 가격이 급등하는 동안 예외는 거의 없습니다. 5번째 또는 7번째 마디마다 원하는 것을 얻으십시오. 또는 더 높은 기간으로 전환하십시오. 또는 교차 상관 관계를 확인하여 예측 변수를 제거합니다. 이 지점의 설립자도 자신의 블로그를 세어보면서 막대를 가늘게 만들었습니다.
예측자는 알몸 가격이 아닙니다. 유사할 수 있는 많은 상대적인 점...
상관관계에 의한 선별이 효과가 있을지는 모르겠지만...
우선, 쓰레기 표지판의 데이터를 지우는 것이 좋습니다 ...
상상해 보세요. 10개의 표지판이 있고 그 중 9개는 쓰레기입니다.
어떤 청소 방법을 권장합니까?