交易中的机器学习：理论、模型、实践和算法交易 - 页 2097

[[删除]]

mytarmailS:

ahaha））丹麦克朗统治着欧元）））。

正在回忆......要么是卷饼，要么是凤尾鱼......博鲁塔，对吗？

[mytarmailS]

Maxim Dmitrievsky:

我只是想起......不是卷饼就是凤尾鱼......博鲁塔，对。

我对它印象不深。

[[删除]]

这顶帽子应该压缩特征空间，这样NS就不会对任何东西，对任何噪音进行重新训练。

火箭也是这样做的，但没有神经网络，所有的核心都是随机的。然后通过熵或其他方式，选择最好的。

[Rorschach]

卷积网络 的问题在于架构的选择，所以要使用现成的模型，restnets等。

向新闻工作者提问，每个月的4号或5号会发生什么？

关于脚手架的另一个问题，能否将目标设定为 "利润最大化"，而不是类别划分或回归？

[[删除]]

Rorschach:

卷积网络的问题是架构选择，所以要使用现成的模型，如restnet等。

你必须自己做，这并不难......更难的是开始。

[Rorschach]

Maxim Dmitrievsky:

准备什么？ 你必须自己做，这并不难......更难的是开始。

预先训练。大多数卷积法被用于图片识别。每一层都突出一些特征（条纹、角），与大脑类似。你可以拿一个现成的网络（它是在超级计算机上训练的），在你的例子上进行预训练。

阅读更多 （摘自《我们的图像识别器学到了什么》）。

[[删除]]

Rorschach:

预先训练。大多数卷积法被用于图片识别。每一层都突出一些特征（条纹、角），就像在大脑中一样。你可以采取一个现成的网络（已经在超级计算机上训练过），用你的例子对其进行预训练。

阅读更多 （摘自《我们的图像识别器学到了什么》）。

你明白我刚才说的话吗？)把一个经过海豹突击队训练的网络，以增量方式进行训练？

这个优生学对我来说是新的

[mytarmailS]

Maxim Dmitrievsky:

这顶帽子应该压缩特征空间，这样NS就不会对任何东西，对任何噪音进行重新训练。

火箭也是这样做的，但没有神经网络，所有的核心都是随机的。然后通过熵或其他方式，选择最好的。

试试吧，我不擅长这个。

罗夏。

关于脚手架的另一个问题，是否有可能将目标设定为 "利润最大化"，而不是拆分成类或回归？

利润最大化是一项优化任务，还有其他算法，遗传学、退火...

力量是教师协助的学习，你需要分区...

我想知道它是如何结合在一起的。

[Rorschach]

Maxim Dmitrievsky:

你明白我的建议吗？)以海豹突击队训练的网络为例，对其进行增量训练？

这是我见过的最多的优生学。

查看链接并滚动到下面，你会明白的。

[[删除]]

Rorschach:

查看链接并向下滚动，你会明白的。

是的，有趣，我会记住的。