Certamente, é provável que tente hiperparâmetros exclusivos da rede. Isso é exatamente o que é fornecido no propósito do h2o.deeplearning: Ativação de Código Inserido = c (Tanh, TanhWithDropout, Retificador, RectifierWithDropout, Maxout, MaxoutWithDropout), redução = c (Automático, CrossEntropy, Quadrático, Huber, Absoluto, Quantil), suprimento = c (AUTO, bernoulli, multinomial, gaussiano, poisson, gama, tweedie, laplace, quantile, huber) Eu não sou uma autoridade em aprendizado profundo ainda ... pode ser que eu esteja me tornando um fazendo pesquisa e discutindo aqui
... no entanto, na minha opinião, a melhor abordagem é apenas tentar escolhas únicas. O H2o tem código e treinamento muito eficientes, pois meu conjunto de dados normalmente leva de 4 a 5 minutos, utilizando 4 núcleos, então o que normalmente faria seria escrever um loop for para tentar escolhas exclusivas e registrar os resultados dos testes. Como eu faço teste é um pouco específico (veja acima do índice -1 1). O que isso implica é que o modelo é usado para realizar previsões de mudança de preço em observações não vistas e, dado que conhecemos a realidade, é uma maneira perfeita de avaliar uma negociação simplificada: comprar ou vender praticamente qualquer modelo sugerido e compará-lo com resultados reais ... o índice é derivado da divisão dos resultados obtidos do modelo gerado pelos resultados máximos possíveis das transações assumidas que conhecíamos a verdade básica ... por exemplo: O ganho máximo possível absoluto é de 14.000 unidades. Transações geradas pelo modelo levam a -7000 unidades índice é - -0.5 (ruim) idem para 7000 componentes resultarão em 0,5 (boa) Não fornece resultados específicos nem contabiliza os spreads, no entanto, é uma maneira rápida de avaliar cada modelo e escolher os melhores conjuntos de parâmetros ... Além disso, os tubos no pacote R tidyverse tornam isso tão fácil quanto consumir uma parte
... que tipo de implementação você tem?