关闭微信号码
微信号:请联系网站管理员
微信二维码图片
微信扫以上二维码 或 手工输入以上微信号加我
一定要告诉我【从试药看到的】否则拒绝
信息详情
  当前位置:首页 -> 杭州试药 -> 云台壹号浅析金杭州试药员融科技中机器学习模型的检验
云台壹号浅析金杭州试药员融科技中机器学习模型的检验
【应聘提醒】 凡是以任何理由向求职者收取服装费、培训费、押金等各种费用的信息均有欺诈嫌疑,请保持警惕!建议多家咨询对比,寻找有通过身份证+执照验证的招聘信息。
独家广告赞助商
会员级别: (到期时间:终身)
置顶情况: 未置顶
公司名称: 赵生团队
认证情况:

未上传身份证+营业执照

未通过身份证+营业执照认证

应聘电话:
13280617512 赵生团队 [查看发帖记录]
打电话给我时,请一定说明在  杭州试药  看到的,谢谢!
联系微信: 13280617512
  • 只要会打字,动动鼠标、传点图,就能在1分钟内拥有自己独立的试药站(PC+手机版)点击右侧立即入驻 →
点击注册图片

  云台杭州试药员壹号金融事业部相关负责人明确表示,机器学习与传统统计学模型的最大区别就在于“学习”。传统的统计学模型相当于一张既定的菜谱,计算器根据菜谱“照方抓药”,烹饪出事先设定的菜肴。而机器学习则不同,并不会给模型提供一张“固定”的菜谱,在做菜的过程中,会不断地根据每次做出的菜的味道,不断学习,调整,改良菜谱。

  机器学习与统计学模型的区别

  云台壹号认为,在实际应用中,诸如语音识别、无人驾驶等技术,是很难用既定的程序来实现的,必须运用机器算法才能实现。

  机器学习最有名的例子莫过于由谷歌开发的AlphaGo,AlphaGo先后击败李世石、柯洁等围棋世界冠军。围棋虽然是一种完全信息博弈(壹玖*壹玖的棋盘,理论上是可以穷尽所有可能的),但穷举的计算量巨大。

  因此AlphaGo采用一种学习性的算法:它通过自己与自己下棋,不断学习,找到获胜的概率最大的下法。然而值得指出的是,机器学习的方法主要是靠归纳、综合,而不是演绎。因此,AlphaGo 虽然赢得了比赛,但他无法完全诠释自己赢旗的棋理。

  机器学习模型的检验

  云台壹号表示,如何评估机器学习模型的表现,可以帮助我们更好地选择模型。

  相比于传统统计模型,机器学习模型具有诸多优点,如机器学习模型捕捉非线性模型的能力更强、识别结构化的能力也更强。但是,必须始终牢记一点的是,机器学习模型容易导致过度拟合的问题。

  过度拟合

  在云台壹号的知识库里,过度拟合(overfitting)是指在模型学习过程中,过度使用数据,把数据中的噪声当做了真实参数,得到了一个看似非常符合数据的模型。然而,当喂入新的数据集时,该模型就不适用了。

  过度拟合在量化投资中非常常见。例如,一个根据历史数据拟合得出的交易策略,看似收益率极高,但在未来的实际交易中却很难盈利。

  与欠拟合

  云台壹号明文指出,与过度拟合相对应的概念是欠拟合。欠拟合(underfitting)是指在学习过程中,把真实参数当成噪音,从而得到一个过于简单的模型。

  我们可以通过下图来理解过度拟合与欠拟合。在下图中,X与Y的关系实际上是实线所表示的二次函数关系。图中欠拟合的情形是,用过于简单的一次线性函数,来拟合X与Y的关系(短虚线)。

  陆次多项式函数看似很好地穿越了每一个训练样本点,但无论在自然科学还是社会科学中,很少有两个变量,刚好呈现了陆次函数的关系。只要换一组训练样本,这个关系便有可能不成立了。

  在云台壹号看来,过度拟合可以理解为“把偶然当成了必然的”。例如,每次世界杯或者NBA总决赛等重要比赛之前,总会有各种诸如此类的 :“在世界杯捌捌年的历史中,夺冠球队的主教练,一定是 本国”;“世界杯捌年之内必出新冠军”。这些历史数据得出来的结论,看似神奇,其实都是典型的过度拟合。



联系我时,请说是在试药看到的,谢谢!
相关杭州试药信息