Discussão do artigo "Floresta de Decisão Aleatória na Aprendizagem por Reforço" - página 9
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Quando for mais velho, você entenderá.
Pelo menos, para começar, leia quais solucionadores são usados nas redes neurais e por que ninguém usa a genética para treiná-las.Eu sabia que tudo se tratava de solucionadores.
Mesmo com 50 entradas e um NS de 2 camadas com 15 neurônios por camada, calcule o número aproximado de pesos. Você levará uma eternidade para otimizar essa primitiva por meio de um otimizador. E esse ainda é um projeto bastante simples.
Coloque essas 50 entradas no meu exemplo e você aprenderá instantaneamente. A diferença é mais ou menos esta.
Mesmo com 50 entradas e um NS de 2 camadas com 15 neurônios por camada, calcule o número aproximado de pesos. Você levará uma eternidade para otimizar essa primitiva por meio de um otimizador. E essa ainda é uma construção muito simples.
Coloque essas 50 entradas no meu exemplo e você aprenderá instantaneamente. Essa é a diferença.
É disso que se trata. Você complica demais e acha que esse é o caminho certo. É a maneira errada. Mais complicado não significa melhor.
Tenho quatro entradas, três neurônios, uma camada para cada sinal. Há apenas dois sinais, mas eles são individualizados para cada símbolo. São muitos símbolos. Negociar por um mês após um ano de treinamento é melhor com a rede neural do que sem ela. Aqui está o resultado! Aberto recentemente, estou sentada, tremendo de felicidade e vendo o que mais eles criaram. Estou aguardando a confirmação da negociação real.
É disso que estou falando. Você complica demais e acha que é a maneira certa. É a maneira errada. Mais complicado não é sinônimo de melhor.
Tenho quatro entradas, três neurônios, uma camada para cada sinal. Há apenas dois sinais, mas para um símbolo individualmente. São muitos símbolos. Negociar por um mês após um ano de treinamento é melhor com a rede neural do que sem ela. Aqui está o resultado! Aberto recentemente, estou sentada, tremendo de felicidade e vendo o que mais eles criaram. Estou aguardando a confirmação da negociação real.
Nada é complicado, é um modelo clássico de MO.
Aprender com o otimizador é ainda mais complicado, porque você escolhe as variantes de que gosta e que funcionam no futuro, entre centenas e milhares que não funcionam. Essa é uma armadilha mental, pois você acha que há um processo de aprendizado - na verdade, há um processo de ajuste. Divida o número de modelos que funcionam pelo número de modelos que não funcionam na lista de otimização progressiva e você terá a probabilidade de que algo dos modelos selecionados funcione na vida real no futuro. Normalmente, essa probabilidade é de 1 a 5%.
portanto, não há necessidade de tremer, é um overfit com 99% de probabilidade.
De qualquer forma: Boa sorte.Nada é complicado, é um modelo clássico do MoD.
Aprender por meio de um otimizador é um ajuste ainda maior, porque você escolhe as variantes de que gosta e que funcionam no futuro entre centenas e milhares que não funcionam. Essa é uma armadilha mental, pois você acha que há um processo de aprendizado - na verdade, há um processo de ajuste. Divida o número de modelos que funcionam pelo número de modelos que não funcionam na lista de otimização progressiva e você terá a probabilidade de que algo dos modelos selecionados funcione na vida real no futuro. Normalmente, essa probabilidade é de 1 a 5%.
portanto, não há necessidade de tremer, é um overfit com 99% de probabilidade.
De qualquer forma: Boa sorte.Não, não, não, não, não. Não houve ajuste. Houve aprendizado independente do próximo conjunto de controle. Escolhi períodos diferentes e o mês seguinte é apenas o mês seguinte. Tentei usar mais parâmetros de entrada, mas não melhorou. Acabei dividindo as redes. Para ser justo, tenho 3 delas em um sistema (2 abertas + 1 fechada), totalizando 11 entradas. Portanto, estou mudando as coisas.
Em outras palavras, o mês atual é o mesmo conjunto de controle em que fiz o teste no passado. Não houve ajuste no mês de controle.
Não, não, não, não, não. Não houve ajuste. Houve treinamento independente do próximo conjunto de controle. Escolhi períodos diferentes, e o mês seguinte é apenas o mês seguinte. Tentei usar mais parâmetros de entrada, mas não melhorou. Acabei dividindo as redes. Para ser justo, tenho 3 delas em um sistema (2 abertas + 1 fechada), totalizando 11 entradas. Então, estou tremendo.
Talvez um milagre aconteça, ele acontece.
Ou os próprios preditores são significativos.Você pode me dizer como construir uma árvore n-ária? Eu criei uma matriz de estruturas mass[0].mass[1].mass[n]...mass[n], mas ela não se encaixa, deve ser dinâmica em profundidade e não está claro como adicionar um novo nó nesse caso, e o endereço em geral será muito longo).
n-ário no sentido de multiclasse? Você pode usar a mesma biblioteca para definir o número de árvores = 1
n-ário no sentido de multiclasse? Você pode usar a mesma biblioteca para definir o número de árvores = 1
Para torná-la não binária, mas com um número arbitrário de descendentes em cada nó, assim:
Para torná-lo não binário, mas com um número arbitrário de descendentes em cada nó, assim:
Bem, são várias classes, se você definir, será assim. Você pode colocar um número arbitrário de recursos aleatórios, cuja ordem mudará se você colocar uma semente diferente. Não está claro qual é a tarefa: classificação ou regressão. Além disso, uma floresta é melhor do que uma única árvore.