文章 "强化学习中的随机决策森林" - 页 9

新评论
 
Maxim Dmitrievsky:

等你长大了，你就会明白了。

至少，对于初学者来说，可以读一读神经网络中使用了哪些求解器，以及为什么没有人用遗传学来训练它们。
我就知道是解算器的问题。
 
Evgeniy Scherbina:
我就知道是求解器的问题。

即使有 50 个输入和一个每层有 15 个神经元的 2 层 NS，也要计算出权重的大致数量。通过优化器来优化这样一个基元需要花费很长时间。而且这还是一个相当不复杂的设计。

把这 50 个输入放到我的例子中，你会立刻学会。区别就在于此。

 
Maxim Dmitrievsky:

即使有 50 个输入和每层有 15 个神经元的 2 层 NS，也要计算出权重的大致数量。通过优化器优化这样一个基元需要花费很长时间。而且这还是一个非常简单的结构。

把这 50 个输入放到我的例子中，你会立刻学会。这就是差别。

这就是问题所在。你把它过于复杂化，并认为这才是正确的方法。这是错误的。更复杂并不意味着更好

我有四个输入，三个神经元，每个信号一层。虽然只有两个信号 但每个符号都是独立的这是一个很大的符号。经过一年的训练后，使用神经网络 进行一个月的交易比不使用神经网络 要好。这就是结果！最近打开了，高兴得浑身发抖，看看他们还想出了什么。等待实际交易的确认。

 
Evgeniy Scherbina:

这就是我要说的。你把事情想得太复杂了，你认为这是正确的方法。这是错误的。更复杂并不意味着更好。

我有四个输入，三个神经元，每个信号一层。虽然只有两个信号 但每个信号都有一个符号这是一个很大的符号。经过一年的训练后，使用神经网络进行一个月的交易比不使用神经网络更好。这就是结果！最近打开了，高兴得浑身发抖，看看他们还能想出什么办法。等待实际交易的确认。

没什么复杂的，这是一个经典的 MO 模型。

通过优化器学习就更复杂了，因为你要从成百上千个无效的变体中，选择你喜欢的、在前进中有效的变体。这是一个心理陷阱，你以为有一个学习过程，其实有一个拟合过程。用工作模型的数量除以在前向优化列表中不起作用的模型数量，就可以得到所选模型中的某些东西将来在现实生活中起作用的概率。通常概率为 1-5%。

所以没必要发抖，这是 99% 的过拟合概率。

无论如何：祝你好运
 
Maxim Dmitrievsky:

没什么复杂的，这是国防部的经典模式。

通过优化器进行学习是一个更大的调整，因为你要从成百上千个不可行的变体中选择你喜欢的、对前线有效的变体。这是一个心理陷阱，你以为有一个学习过程，其实有一个适应过程。用工作模型的数量除以在前向优化列表中不起作用的模型数量，就可以得到所选模型中的某些模型将来在现实生活中起作用的概率。通常概率为 1-5%。

所以没必要发抖，这是 99% 的过拟合概率。

无论如何：祝你好运

不，不，不，不。没有拟合。学习与下一组对照无关。我选择了不同的时间段，下个月就是下个月，我尝试了更多的输入参数，也没有改善。最后我拆分了网络。为了公平起见，我在一个系统中有 3 个网络（2 个打开 + 1 个关闭），总共 11 个输入。所以，我把事情做了调整。

换句话说，当前月份是我过去进行测试的同一个控制集。控制月份没有调整。

 
Evgeniy Scherbina:
不，不，不，不。没有匹配。训练与下一个控制集无关。我选择了不同的时间段，下个月就是下个月，我尝试了更多的输入参数，但并没有改善。最后我拆分了网络。为了公平起见，我在一个系统中有 3 个（2 个打开 + 1 个关闭），总共 11 个输入。所以我在发抖。

也许奇迹会发生，它会发生的。

或者预测器本身是有意义的。
 
您能告诉我如何构建 nary 树吗？我曾通过数组结构 mass[0].mass[1].mass[n]...mass[n]......mass[n]......建立了一棵 nary 树，但并不合适，因为它的深度应该是动态的，而且不清楚在这种情况下如何添加新节点，而且地址一般会很长）。
 
VANDER:
您能告诉我如何构建 nary 树吗？我通过数组结构 mass[0].mass[1].mass[n]...mass[n]......mass[n]......建立了一棵 nary 树，但它不适合，因为它的深度应该是动态的，而且不清楚在这种情况下如何添加新节点，而且地址一般会很长）。

多类意义上的 nary？可以使用相同的库来设置树的数量 = 1

 
Maxim Dmitrievsky:

多类意义上的 n-ary？您可以使用相同的库来设置树的数量 = 1

使其不是二叉树，而是每个节点都有任意数量的后代，就像这样：

 
VANDER:

要使它不是二进制，而是每个节点都有任意数量的后代，就像这样：

好吧，如果你设置了它，它就会变成这样。你可以随机放入任意数量的特征，如果放入不同的种子，它们的顺序就会改变。现在还不清楚任务是什么：分类还是回归。此外，一个森林比一棵树要好。

12345678910
新评论