交易中的机器学习：理论、模型、实践和算法交易 - 页 1547

新评论
 
马克西姆-德米特里耶夫斯基。

我不知道，它总是不同的。

嗯，所以也许要想个办法来找出来？

顺便说一下，我可以用你的数据在R中建立一个模型--如果你对方法的效率比较感兴趣的话。
[删除]  
阿列克谢-维亚兹米 金。

嗯，那我们能不能想个办法找出来呢？

顺便说一下，我可以通过你的数据在R模型中建立--如果你对方法的效率比较感兴趣的话。

在那里已经没有更好的办法了，模型是完美的，证实了Kotir的随机性。

进一步的改进只能通过对随机过程的不同工作方法来实现，正如我上面写的那样

 
马克西姆-德米特里耶夫斯基。

没有更好的办法了，这个模型是完美的，证实了Kotir的随机性。

进一步的改进只能通过对随机过程的不同工作方法来实现，正如我在上面写的那样

在我看来，随机过程的随机解决方案在其意识形态中似乎过于冒险的方法......

 
马克西姆-德米特里耶夫斯基。

我将回到我想做的事情上，已经有很长一段时间了--MO + stoh

http://www.turingfinance.com/random-walks-down-wall-street-stochastic-processes-in-python/

这个话题很有意思--特别是默顿跳跃模型或它的一些变体。 似乎与传统的扩散不同，它没有被（通过时间抽样）还原为自回归，或者是以某种非微妙的方式完成的。也许在投资组合的滑动窗口中的计算将是相当难以负担的。

 

随机森林是一个适合的故事，没有调整的可能性。一年前，我从SL中榨取了所有的选项。

线性回归 有更好的机会产生利润。训练时，你需要喂养相对价格，而不是真实价格。

Pytorch = TensorFlow 1.x + Keras + Numpy = TensorFlow 2.0

[删除]  
罗费尔德。

Pytorch = TensorFlow 1.x + Keras + Numpy = TensorFlow 2.0

你喜欢哪种网格配置？

 

构造函数很酷!

例如，许多人无意识地使用 "激活函数"，即使不需要。"激活函数"=将数据转换为一定范围的值，并部分或完全丧失信息--这就像文件的哈希函数。

如果输入的是已经规范化的数据，那么层与层之间的 "激活函数 "就他妈的没有必要了。在Alglib中，你无法摆脱 "激活函数"。

我有一整套Jenkins+MLFlow形式的变更控制系统，用于枚举变体和存储结果。

现在的配置是这样的。

Sequential(
  (input): Linear(in_features=2836, out_features=1000, bias=True)
  (hidden1): Linear(in_features=1000, out_features=100, bias=True)
  (hidden2): Linear(in_features=100, out_features=2, bias=True)
  (output_activ): Softmax()
)

当然，我没有立即理解如何以牺牲数据延迟为代价来训练显卡上的网络。现在我的代码经过优化，通过减少上传到显卡的数据量，学习速度比原来的版本快100倍。

[删除]  
罗费尔德。

构造函数很酷!

例如，许多人无意识地使用 "激活函数"，即使不需要。"激活函数"=将数据转换为一定范围的值，并部分或完全丧失信息--这就像文件的哈希函数。

如果输入的是已经规范化的数据，那么层与层之间的 "激活函数 "就他妈的没有必要了。在Alglib中，你无法摆脱 "激活函数"。

我有一整套Jenkins+MLFlow形式的变更控制系统，用于枚举变体和存储结果。

现在的配置是这样的。

当然，我没有立即理解如何以牺牲数据延迟为代价来训练显卡上的网络。现在我的代码被优化了，通过减少上传至显卡的数据量，学习速度比原来的版本快100倍。

递归层呢？lstm或gru

 
罗费尔德。

构造器很酷!

例如，许多人无意识地使用 "激活函数"，即使不需要。"激活函数"=将数据转换为一定范围的值，并部分或完全丧失信息--这就像文件的哈希函数。

如果输入的是已经规范化的数据，那么层与层之间的 "激活函数 "就他妈的没有必要了。你无法摆脱Alglib中的 "激活函数"。

我有一整套Jenkins+MLFlow形式的变更控制系统，用于枚举变体和存储结果。

现在的配置是这样的。

当然，我没有立即理解如何以牺牲数据延迟为代价来训练显卡上的网络。现在我的代码经过优化，通过减少上传到显卡的数据量，学习速度比原来的版本快100倍。

速度很酷，但是次要的。
你的NS是否成功地预测到了未来？如果是这样的话，看到信号或者至少是测试仪的结果，是很有意思的。
 
马克西姆-德米特里耶夫斯基。

复发层呢？lstm或gru

我可能会补充，但现在我想充分测试我的变体。我只需要在代码中增加1行来改变网络结构。 我们不是在翻译文字，而是在识别一个历史事件。

https://pytorch.org/docs/stable/nn.html - 选择任何你喜欢的图层，并将其添加到一条线上。

torch.nn¶
  • pytorch.org
class ¶ A kind of Tensor that is to be considered a module parameter. Parameters are subclasses, that have a very special property when used with s - when they’re assigned as Module attributes they are automatically added to the list of its parameters, and will appear e.g. in iterator. Assigning a Tensor doesn’t have such effect. This is...
1...154015411542154315441545154615471548154915501551155215531554...3399
新评论