交易中的机器学习：理论、模型、实践和算法交易 - 页 1702

新评论
 
阿列克谢-维亚兹米 金。

如果我们谈论的是回归，那就更清楚了--这可能是一个很好的方式来看待它。

这是我给你的一个分类的例子，但也有一个回归的模式，我不知道它是如何工作的。我不知道它是如何运作的，我也只是猜测。我想博士会更详细地解释。
 
ReTag Konow:
我同意。NS更像是一个人工智能组件，就像汽车中的一个螺丝或螺母。
这是正确的，NS是AI的一个组成部分。除了神经网络 之外，还有一些为这个神经网络服务的算法，合起来就是一个人工智能系统。正是一个系统。但如果没有神经网络，人工智能系统就无法存在。
 
Mihail Marchukajtes:
作为一个初学者，你的另一个错误。NS对训练样本的要求很高，是一个相当微妙的工具，数据准备中的一个小错误（错误的逗号）会导致一个截然不同的结果。尽量少得出自己的结论，最好听从别人的意见。
目前，我没有识别AI和NS。你告诉自己不要混淆他们。NS是一个可以用于人工智能的工具，但就其本身而言，它并不接近人工智能。你似乎同意这一点。
 
Mihail Marchukajtes:
好了，NS是AI的一个组成部分。除了神经网络之外，还有一些为这个神经网络服务的算法，所有这些都是一个人工智能系统。正是一个系统。但如果没有神经网络，人工智能系统就无法存在。
所以，这就是我们得出的结论。
 
Rehtag Konow:
目前，我并不认同AI和NS。 你自己说过，没有必要将两者混淆。NS是一个可以用于人工智能的工具，但就其本身而言，它并不接近人工智能。 你似乎同意这一点。
我甚至会告诉你更多，我有这样的情况，我只需按下优化按钮，然后我意识到这一步20个操作前我做错了，事实上我的数据有错误，不得不重新准备一切，因为我清楚地明白，一定没有错误。在错误的地方有一个逗号，这一切就都白费了。而这意味着机时和时间，以及最重要的是结果。
 
mytarmailS:

人工智能甚至必须与人类互动吗？

我认为必须如此。否则，有什么意义呢？
 
科诺：
所以这就是我们得出的结论。
对了，一个人工智能系统是一个 被服务算法包围的神经网络。预处理、分析、再培训方法等。
 
elibrarius。

它有什么问题？Catbust绕过了大部分的竞争对手。
例如，我就不喜欢里面的对称树的想法。 显然，用一个预测器和同一水平来划分2个不同的节点不是最好的解决方案。除非它的速度提高到10倍。
好在他们增加了两个新的更经典的方法。

可能会绕过它，但在那里，在比赛中，采样是固定的，没有特别垃圾的特征，也就是说，条件不是我们工作的条件，我只是在考虑如何最好地准备数据，并考虑到这些特征。(该解决方案还没有最终形成，但这是一项重要的任务）。

不同的树形模型很好，但目前它们不能被上传到一个单独的文件中，因此它们不能被嵌入EA中，这很糟糕。

我不喜欢在boosting中没有后处理--当训练结束时，模型被简化，扔掉了弱树。我不明白为什么不这样做。

在提升过程中，单个树的叶子很弱--完整性低--低于1%，而且很糟糕的是，这个参数不能调整，而按样本计算的信号分布根本没有进行--结果是我们通过丢弃来学习。许多细微差别，这里的解决方案可能是对预测器进行良好的预处理。当然，最好是插入和修改代码--难道没有人了解C++的适当水平吗？

 
洛克诺（Rechtg Konow）。
我认为他必须这样做。否则，有什么意义呢？

当你思考（你的智力解决了一个问题） 时，你是否必须 在那一刻与人沟通？

你还是不能把你对智力的 "虫子 "定义弄清楚，所以我们现在是在用不同的语言进行交流

 
Mihail Marchukajtes:
我更要告诉你，我有这样的情况，我只需按下优化按钮，然后我意识到，20年前的这一步我做错了，事实上我的数据有错误，不得不重新准备一切，因为我清楚地明白不应该有错误。在错误的地方有一个逗号，这一切就都白费了。这意味着机时、时间，以及最重要的是，结果。
这样的数据密集型不是一个缺点吗？我听说，如果路标边上有一个小贴纸，NS就能认出路标是错误的。也许这种超级敏感度是没有必要的？
1...169516961697169816991700170117021703170417051706170717081709...3399
新评论