Опубликовал пост От игры к чему-нибудь Модель, рассмотренная в предыдущей части , очевидно, нуждается в дальнейшем развитии. Решил сделать для этого новую запись. Более глобальная перспектива... Опубликовал пост От игры к вероятности. Небольшой пример. Ранее я уже немного рассуждал о переходе от модели с игровой неопределённостью к модели с...
我不知道python，但r-ka不是很擅长，或者说我不知道怎么做，所以我想出了这个...
在katbust中，你也可以写出你自己的损失函数，并在受训者{测试}上估计它。
我只是觉得没有什么意义，标准的已经足够了。在同样的Katbust中，你可以写出你自己的损失因素，并通过它来估计火车测试的情况。
我只是不明白这一点，标准的就够了。在katbusta中，有一个以最小缩减量实现利润最大化的指标？）
好吧，Katbusta有一个衡量标准，以最小的跌幅实现最大的利润？）
好吧，写一个eps并把它作为eval_metric。
我只是用R^2进行优化
好吧，写一个eps 并把它作为eval_metric。
我只是用R^2进行优化
我得试试这个，我不知道...
什么是EPS
我得试试这个，我不知道...
什么是eps？
写自己的F.I.S是有意义的，是的......问题是哪一个更好。
ǞǞǞ
该死的
一个人从这里给我写了一条信息，他正在为一些李亚普诺夫不稳定性进行优化。
你得问问https://www.mql5.com/ru/users/alexeynikolaev2，这是否足够好。他当然知道））。
写自己的F.I.S是有意义的，是的......问题是哪个更好
ǞǞǞ
该死的
一位同志给我写信说，他在用李亚普诺夫的不稳定性进行优化。
我不知道Lyapunov，但健身函数是一个新的可能性的整个 "世界"，更多的最佳解决方案......
例如，我们有一个 "全局目标"，以最小的缩减实现利润最大化...
我们可以 说--"AMO"，但如果你想出能改善"全球目标 " 的功能...
它还会寻找解决方案，它自己会 "想到一些 "你永远不会想到的东西，甚至有很多...
我不知道Lyapunov，但健身函数是整个 "世界 "的新可能性，更多的最佳解决方案......
例如，我们有一个 "全球目标"，即以最小的缩减量实现利润最大化......。
我们可以 说--"AMO"，但如果你想出能改善"全球目标 " 的功能...
它将寻找解决方案，它将想出你永远不会想出的东西，甚至更多......
我还是不明白。你的目标是由标签设定的。如果你设置了它们，那么利润和缩水将是一样的。
正常写入 )我还是不明白。你的目标是由分数决定的。你设置什么标记，利润和缩减都是一样的。
正常写入 )我没有很好地解释它。
好吧，有些目标你无法用标签来表达，只能通过寻找最低限度的目标。
例如：我想创建一个信息性的标记。
我可以为它创建标签吗？ 不，它不存在，我甚至不知道它应该是什么样子......
但我可以用有用性来描述它，一个有信息量的特征是一个特征，它的训练将显著提高 "总体目标"--以最小的缩减实现利润最大化。
你看，我不能在IP（信息目标）上创建标签，但我可以把它描述为一个最大化...
现在，我们可以拿一个有数千个权重的网来 玩弄 它的权重，直到它找到IP，也就是说，直到它达到最大。
或者不是一个网络，我们可以做同样的MSUA，或者我们可以创建规则...
玩转 意味着运行某种优化算法，或搜索...
我没有很好地解释（）。
好吧，有些目标你无法用标签来表达，只能通过寻找最低限度的目标来表达。
例如--我想创建一个信息性的功能
我可以为它创建标签吗？ 不，它不存在，而且我甚至不知道它应该是什么样子......
但我可以用有用性来描述它，一个有信息量的特征是一个特征，它的训练将显著提高 "总体目标"--以最小的缩减实现利润最大化。
你看，我不能在IP（信息目标）上创建标签，但我可以把它描述为一个最大化...
现在，我们可以拿一个有数千个权重的网来 玩弄 它的权重，直到它找到IP，也就是说，直到它达到最大。
或者不是一个网络，我们可以做同样的MSUA，或者我们可以创建规则...
玩转 意味着运行某种优化算法，或搜索...
所以你有一个训练有素的网络，你只需改变权重，看看它在新的数据中如何运作？
事实上，我有一个空网 （我训练它只是为了初始化它，因为它不是自己写的，而是来自一个包）。
我可以想到任何抽象概念，任何目标，并写一个健身函数。
然后 让遗传学 开始改变网的重量，使我 （网） 在测试和训练中至少收到与我的目标相似的东西。
而这比创建标签和拟合回归或分类要深刻 "一千倍"。