交易中的机器学习：理论、模型、实践和算法交易 - 页 3398

新评论
 
Aleksey Vyazmikin #:

对整个主题的精辟概括


听得津津有味
 
mytarmailS #:
我听得津津有味
这个也不错https://youtu.be/EutX1Knl6v4?si=bBicqPoh474EiRIc&nbsp；
 
基础知识的末尾有一个 "kozula"，我想提请大家注意这一点。
 
我觉得一开始应该是反过来的。
 
mytarmailS #:
我想说的是开头的反方向。
我指的是阿列克谢的视频，我还没看过你的。你的视频是关于功能选择的。我不太喜欢，因为我没有太多的标志）。
 
Maxim Dmitrievsky #:
因为我的特征不多）。

就是这样，从 "许多 "不同的特质中，你会得到 "不多 "但很好的特质。

开始的 "多 "越多，最后的 "不多 "但 好的就越丰富、越好。

 
mytarmailS #:

就是这样，在 "许多 "不同的人中，你会得到 "不多 "但很好的人。

一开始的 "许多 "越多，最后 得到的"不多 "但 好的就越丰富、越好。

这已经通过 gmdh 或其他什么方法实现了。
Kozul 似乎很有前途（在它的基础上提出算法非常困难，你必须有天马行空的想象力）。而语言模型则很难训练。谷歌提供的这些模型比较简便，有一个小型模型可提供 20 亿个参数，你仍然可以尝试训练它。一次性方法。
 
Maxim Dmitrievsky #:
它是通过 gmdh 或其他 实现的。
Kozul 似乎很有前途（在它的基础上提出算法非常困难，你必须有天马行空的想象力）。而语言模型--训练起来非常困难。谷歌提供的这些模型比较简便，有一个小型模型，有 20 亿个参数，你仍然可以尝试训练它。一次性方法。

LLM 与此有何关系？

 
mytarmailS #:

法学硕士和这有什么关系？

因为从理论上讲，它们具有很好的概括性。

一般来说，训练样本越大，统计结果越好。

 
Maxim Dmitrievsky #:
因为从理论上讲，它们的通用性很好。

因为它们是在数十亿个单词数据集上训练出来的，而我们有价格。

如果神经元被训练成会说话 你还能训练它做什么？

你也不能训练你的神经元去计算价格，因为你需要大量的可视化数据。


所以，要么是我什么都不知道，要么就是--法学硕士跟这有什么关系？

1...339133923393339433953396339733983399
新评论
原因: