量化专题报告2024年02月02日从增量学习到元学习：深度学习训练新框架[Table_Author]➢增量学习对传统的批量学习提升效果不大。增量学习是指在现有模型的基分析师叶尔乐础上，通过加入新的数据来更新模型的过程。与传统的批量学习不同，增量学习可以更好地适应数据的变化，同时也更加高效，因为只需要处理新增的数据执业证书：S0100522110002而无需重新训练整个模型。在股票趋势预测的增量学习中，我们通过一系列增邮箱：yeerle@mszq.com量任务来逐步更新模型参数。在每个任务中，我们使用增量数据来微调模型参数，并在测试数据上进行预测并评估模型性能。用这样的方法在LSTM深度神相关研究经网络上进行训练，IC从3.6%提升到了4.2%，提升效果不大。1.量化分析报告：一月社融预测：59852亿➢元学习旨在学习一个机器学习模型的设定，使得这一模型在所有的训练任元-2024/02/01务中表现最好。一个典型的元学习模型MAML（Model-AgnosticMeta-2.量化周报：流动性支持下有望震荡上涨-20Learning），即“模型无关的元学习”是17年发表在机器学习顶级会议ICML24/01/28上的一种通用优化算法，适用于任何基于梯度学习的模型。MAML旨在为基模3.量化专题报告：基金交易三维刻画：胜型提供初始化参数，以便面对新任务时能快速学习。用MAML对机器学习模型率、赔率和频率-2024/01/25进行适应，应用至增量学习训练框架中，可以显著提升预测因子IC，LSTM模4.基金分析报告：基金季报2023Q4：公募型因子的RankIC从4.2%提升至6%，效果明显。行业重仓易位-2024/01/235.量化周报：风险有所释放，机会仍需等待-➢双步适应训练框架对数据与模型都进行元学习，...
发表评论取消回复