交易中的机器学习：理论、模型、实践和算法交易 - 页 3314

新评论
 

Wo gpt gives out))))

在机器学习中，有老师指导和没有老师指导的区别是什么？
聊天GPT

有监督学习（Supervised Learning）和无监督学习（Unsupervised Learning）是机器学习的两种主要方法，它们在几个关键方面存在差异：

  1. 存在标签（目标）：

    • 无监督学习：在这种学习方式中，数据带有代表正确答案或目标值的标签（目标）。模型在这些数据上进行训练，学习如何预测目标变量。
    • 无监督学习：与监督学习不同，在无监督学习中，数据没有标签。在这种情况下，模型会尝试在没有已知正确答案的情况下找到数据中的结构。

  2. 目标：

    • 有教师指导的学习：主要目标是根据输入数据对目标变量进行预测或分类。当需要执行分类、回归或异常检测等任务时，就会用到这种学习方式。
    • 无监督学习：主要目标是检测数据中的隐藏结构或模式。这类学习用于数据聚类、降维、关联分析和其他与学习数据结构 相关的任务。

  3. 任务举例：

    • 有教师指导的学习：分类、回归、预测、欺诈检测、对象检测、机器翻译等。
    • 无教师学习：聚类、降维（PCA、t-SNE）、关联规则、数据可视化等。

  4. 模型评估：

    • 有教师的学习：通过将模型与已知标签进行比较，根据模型的预测或分类能力对其进行评估。评估可能包括准确率、F1-测量、均方根误差和其他指标。
    • 无教师学习：由于没有已知标签进行比较，因此估算较为困难。评估可以基于对聚类质量的目测、与其他算法的比较或专家分析。

这两种学习方式在机器学习中都有应用，如何选择取决于具体任务和可用数据。有时也会使用混合方法，将有教师学习和无教师学习结合起来，以达到更好的效果。

 
这是一场灾难。如果在那之后他们还没发现，我也不会感到惊讶。

在有老师的机器学习中，老师是指提供标注数据以训练模型的人类或系统。数据分区意味着每一组输入数据的相应输出都是已知的。
 
Maxim Dmitrievsky #:
Sanych，我们什么时候才能记住 "教师 "是 "标志 + 目标"？）

这么说，它不是 "特征 + 目标 "了？

得分。

 
Forester #:

所以，这终究不是 "标志+目标"？

得分。

当抽象程度为零时，你就可以一探究竟了。
 
Maxim Dmitrievsky #:
当抽象思维 为零时，你就能一探究竟。

我想起了斯特兰奇对月亮的预测、

然后，因为结果恰恰相反，他说买进就是卖出）。

解释说，卢比不是美元兑加元，而是加元兑美元。
 
Maxim Dmitrievsky #:
当抽象层次为零时，你就可以四处打探了。

怎么了，你以为只有你才可以乱动吗？

现在我要说了：训练神经网络和机器学习的停止标准是什么？

 
他们很生气...很显然，现在是秋天，天气很糟糕，让人心烦意乱....)我想要阳光)
 
你们何不排好队，一次讨一个？然后我就把它们送人
人太多了，我跟不上
 
Maxim Dmitrievsky #:
你们为什么不排好队，一次求一个？然后我就开始发 。
一次要喂的人太多了，我跟不上。

麦克斯，你的个人档案里只有你一个人。

你自己的抽象思维难道没有告诉你 "论坛 "这个词的含义吗？

在这里，你需要能够屈服并承认自己的错误，也就是说，要和你几乎一无所知的人在一起，而他们知道的可能比你多很多倍。

 
我一直在和 Sanych 谈话，你从哪里来，注意力不够集中吗？
老师们:)))你们自己说吧。
1...330733083309331033113312331333143315331633173318331933203321...3399
新评论