트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2194

 

그리고 우리 모두는 계속 감탄합니다)))


그렇기 때문에 이 과시를 이겨야 했다고 묻는다....

 
mytarmailS :

그리고 우리 모두는 계속 감탄합니다)))


그렇기 때문에 이 과시를 이겨야 했다고 묻는다....

서커스는 떠났지만 광대들은 남았다

 
막심 드미트리예프스키 :

CVAE에서 새 포인트를 샘플링하는 흥미로운 예, 샘플링 범위(특징 공간에서) 선택의 예. 기능 공간의 변환. 클래스/분포 시각화

파이썬이 있는 경우 - 일반적으로 괜찮습니다.

다음은 변형 자동 인코더의 공식화이며 자체 손실 함수를 생성하여 keras에서 수정한 것입니다. 오늘밤 파헤칠거야)

https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/

Variational Autoencoder: Intuition and Implementation
Variational Autoencoder: Intuition and Implementation
  • wiseodd.github.io
There are two generative models facing neck to neck in the data generation business right now: Generative Adversarial Nets (GAN) and Variational Autoencoder (VAE). These two models have different take on how the models are trained. GAN is rooted in game theory, its objective is to find the Nash Equilibrium between discriminator net and...
 
웰리모른 :

다음은 변형 자동 인코더의 공식화이며 자체 손실 함수를 생성하여 keras에서 수정한 것입니다. 오늘밤 파헤칠거야)

https://wiseodd.github.io/techblog/2016/12/10/variational-autoencoder/

네 좋아요. 어째서인지 텐서가 일어나기 싫어서 몸통을 살펴봅니다

나는 접근 방식 자체만큼 구현에 그다지 관심이 없습니다. 분포를 정의하는 방법, 해석하는 방법 등 다르게 할 수 있기 때문에

여기에 흥미로운 기사 1 , 2 가 있습니다. 내부에서 무슨 일이 일어나고 있는지 직관을 제공합니다.

 

karoch, 나는 ... 나는 결과에 매우 만족하지 않습니다 ... 추세선을 예측하는 것이 더 좋았습니다

가격이 고장 중에 예상 채널에서 튕기는 것처럼 자주 예측 채널에 머물지 않는다는 것이 흥미롭습니다.

사진... 수직선 다음은 모두 예보

이전에 게시된 날짜 설정 페이지

 
mytarmailS :

karoch, 나는 ... 나는 결과에 매우 만족하지 않습니다 ... 추세선을 예측하는 것이 더 좋았습니다

가격이 고장 중에 예상 채널에서 튕기는 것처럼 자주 예측 채널에 머물지 않는다는 것이 흥미롭습니다.

사진... 수직선 다음은 모두 예보

이전에 게시된 날짜 설정 페이지

앞에 n-bars(평균과 분산)로 분포를 예측했습니다. 분포에 따라 전략을 선택합니다. 새로운 데이터에 대해서는 잘 훈련되고, 나쁘게 훈련되었습니다.

그러나 새로운 리샘플링 접근 방식을 사용하면

 
울라지미르 이제르스키 :

4년을 기념하는 시간. 그동안 공사장에서 1000만원을 벌었습니다. 무슨 일이 일어나는지 봅시다. 배수가 병합되지 않습니다. 그리고 그것은 플러스가 될 것입니다.

Vova, 파도는 어떻습니까? 왜 마이너스입니까?
 
막심 드미트리예프스키 :

앞에 n-bars(평균과 분산)로 분포를 예측했습니다. 분포에 따라 전략을 선택합니다. 새로운 데이터에 대해서는 잘 훈련되고, 나쁘게 훈련되었습니다.

그러나 새로운 리샘플링 접근 방식을 사용하면

흠 .. 쉬운 일이 아닙니다 .. 아이디어가 하나 더 있습니다. 작동하지 않으면 무엇을 시도해야하는지 모르겠습니다 ((

 
mytarmailS :

흠 .. 쉬운 일이 아닙니다 .. 아이디어가 하나 더 있습니다. 작동하지 않으면 무엇을 시도해야 할지 모르겠습니다((

양쪽 극단)))) 사이트에서 계산할 수 있는 모든 것과 같은 데이터. 손실이 더 어렵습니다. 사이트는 수동으로 상태 영역으로 나뉩니다 .... 취해야 할 포인트 .... 복잡함)))))

 
발레리 야스트렘스키 :

양쪽 극단)))) 사이트에서 계산할 수 있는 모든 것과 같은 데이터. 손실이 더 어렵습니다. 사이트는 수동으로 상태 영역으로 나뉩니다 .... 취해야 할 포인트 .... 복잡함)))))

예, 수준을 예측하려는 모든 시도는 추적 값을 예측하는 것보다 수백 배 더 어렵습니다. 모든 것이 명확하지 않습니다. 아이디어를 구현하려면 새롭고 사소하지 않은 많은 것을 생각해 내야 합니다...

하지만 흥미롭고 잘 될 것이라는 핑크빛 꿈이 있습니다)