도서관 : 숨겨진 레이어가 없는 회귀... R로 전환할 시간입니다. 저는 alglib NS에서 시도했습니다. 동일한 네트워크가 R보다 10배 느린 것으로 간주합니다(예: 하루 대 30-60분). 또한 alglib에는 최대 2개의 숨겨진 레이어가 있으며 관찰에 따르면 3개의 연속 변환이 필요합니다. 3개의 레이어.
회귀는 선형입니다. 나는 원하지 않습니다. 파이썬이 그것을 집어 들었습니다. 그러나 나는 많은 요점을 보지 못했습니다.
물론 버리지는 않습니다. 그러나 새로운 데이터는 없습니다. 동일한 역사에 대한 새로운 시퀀스입니다. 이것은 동일한 교육의 연속이며 단일 프로세스입니다. 따라서 각 시대는 추가 훈련으로 해석 될 수 있습니다. 글쎄, 일반적으로 질문은 오히려 용어입니다.
음, 서로를 올바르게 이해하는 것(같은 개념의 용어를 갖는 것)이 중요합니다. 동일한 데이터의 각 에포크는 훈련입니다. 벼락치기는 어때? 저울을 재설정하지 않고 새로운 것에서 - 추가 교육. 그리고 당신은 그것들을 새로 얻었습니다. 국회는 초기 훈련 때 이들에 대해 알지 못했다.
나는 San Sanych와 이야기를 나눴다. 회귀 훈련을 위한 파일을 준비하고 있다는 사실을 확인하고 무엇을, 어떻게 계속할 것입니다. 그래서 형제들이여, 나는 지금 짐을 내리고 있으며 많은 사람들이 이것을 할 수 있을 만큼 충분한 어둠이 없기 때문에 그런 일을 생각했습니다. 회귀에 대한 적응형 타겟이 마음에 드시나요???? 아야??
훈련 데이터(또는 훈련 예제)의 행 수를 의미합니다.
예를 들어 15개 입력이 있는 10000개 라인
기억에서 - 항목 1. 약 5-10,000. 몇 에포크마다 데이터가 섞입니다.
일정 수의 Epoch 후에 훈련 시퀀스가 다른 것으로 교체되고 1단계를 참조하십시오. 그리고 여러 번.
총 epoch 수는 약 1000입니다. 중간 재구성 및 테스트가 포함된 교육 시간은 약 하루입니다.
위의 그래프는 여전히 첫 번째 실험이며 모든 것이 더 간단했습니다.
기억에서 - 항목 1. 약 5-10,000. 몇 에포크마다 데이터가 섞입니다.
일정 수의 Epoch 후에 훈련 시퀀스가 다른 것으로 교체되고 1단계를 참조하십시오. 그리고 여러 번.
총 epoch 수는 약 1000입니다. 중간 재구성 및 테스트가 포함된 교육 시간은 약 하루입니다.
위의 그래프는 여전히 첫 번째 실험이며 모든 것이 더 간단했습니다.
흥미로운 방법 - 기본 교육 + 몇 가지 추가 교육이 나옵니다.
나는 그것을 부르지 않을 것입니다. 훈련 중에 훈련 순서를 변경하기만 하면 됩니다. 같은 데이터에 익숙해지지 않도록.)
예, 플러스 어닐링. 왜냐하면 표준 VR 알고리즘을 사용하면 NN의 학습 매개변수가 몇 번마다 수동으로 변경됩니다. 시대.
추신: 이 주제를 읽으십시오. 여기 나와 같은 시스템 구조에 대한 자세한 내용이 있습니다. https://www.mql5.com/en/forum/239508
나는 그것을 부르지 않을 것입니다. 훈련 중에 훈련 순서를 변경하기만 하면 됩니다. 같은 데이터에 익숙해지지 않도록.)
제 생각에는 이것은 새로운 데이터에 대한 추가 교육입니다. 첫 번째 데이터 블록에 대한 훈련 후에 네트워크 가중치를 재설정하지 않습니다.
제 생각에는 이것은 새로운 데이터에 대한 추가 교육입니다. 첫 번째 데이터 블록에 대한 훈련 후에 네트워크 가중치를 재설정하지 않습니다.
물론 버리지는 않습니다. 그러나 새로운 데이터는 없습니다. 동일한 역사에 대한 새로운 시퀀스입니다. 이것은 동일한 교육의 연속이며 단일 프로세스입니다. 따라서 각 시대는 추가 훈련으로 해석 될 수 있습니다. 글쎄, 일반적으로 질문은 오히려 용어입니다.
숨겨진 레이어가 없는 회귀...
R로 전환할 시간입니다. 저는 alglib NS에서 시도했습니다. 동일한 네트워크가 R보다 10배 느린 것으로 간주합니다(예: 하루 대 30-60분). 또한 alglib에는 최대 2개의 숨겨진 레이어가 있으며 관찰에 따르면 3개의 연속 변환이 필요합니다. 3개의 레이어.
물론 버리지는 않습니다. 그러나 새로운 데이터는 없습니다. 동일한 역사에 대한 새로운 시퀀스입니다. 이것은 동일한 교육의 연속이며 단일 프로세스입니다. 따라서 각 시대는 추가 훈련으로 해석 될 수 있습니다. 글쎄, 일반적으로 질문은 오히려 용어입니다.
동일한 데이터의 각 에포크는 훈련입니다. 벼락치기는 어때?
저울을 재설정하지 않고 새로운 것에서 - 추가 교육. 그리고 당신은 그것들을 새로 얻었습니다. 국회는 초기 훈련 때 이들에 대해 알지 못했다.
회귀는 다음 가격에 대한 예측입니다. 분류와 달리 예측되는 것은 거래의 방향이나 유형이 아니라 소수점 이하 자릿수가 모두 포함된 가격입니다.
선형 회귀 가 있고 비선형 회귀가 있습니다. Arima, grub 및 올바른 구성의 뉴런(예: 활성화 없는 1개 출력)도 모두 회귀입니다.
회귀는 다음 가격에 대한 예측입니다. 분류와 달리 예측되는 것은 거래의 방향이나 유형이 아니라 소수점 이하 자릿수가 모두 포함된 가격입니다.
선형 회귀 가 있고 비선형 회귀가 있습니다. Arima, grub 및 올바른 구성의 뉴런(예: 활성화 없는 1개 출력)도 모두 회귀입니다.
나는 San Sanych와 이야기를 나눴다. 회귀 훈련을 위한 파일을 준비하고 있다는 사실을 확인하고 무엇을, 어떻게 계속할 것입니다. 그래서 형제들이여, 나는 지금 짐을 내리고 있으며 많은 사람들이 이것을 할 수 있을 만큼 충분한 어둠이 없기 때문에 그런 일을 생각했습니다. 회귀에 대한 적응형 타겟이 마음에 드시나요???? 아야??
이것이 좋다는 것은 아니지만, 이 옵션은 체크해볼 가치가 있다고 생각합니다. :-)