No sabía nada sobre capas y falsificaciones. Solo hice un poco de investigación en línea y obtuve esta definición:
La estratificación es una forma más específica de suplantación de identidad. La colocación en capas es cuando un comerciante coloca múltiples órdenes que no tiene la intención de ejecutar. Estas órdenes falsas supuestamente engañan a otros participantes del mercado al crear la falsa impresión de una fuerte presión de compra o venta.
Si desea utilizar algoritmos de aprendizaje automático (ML) para determinar si un pedido es falso o real, diría que es un problema de clasificación. Primero probaría un clasificador simple, algo así como un algoritmo de regresión logística para dos clases, por ejemplo, salida y = 1 si es un pedido falso, de lo contrario y = 0. Si no está satisfecho con los resultados de los datos de la prueba, puede probar algunos clasificadores más sofisticados, como SVM o ANN. Para este proyecto, el desafío no es la selección de técnicas de ML. La selección de funciones es más difícil. Me entrevistaría con los expertos en el dominio (comerciantes) para definir y seleccionar características.
- ¿Qué aplicaciones iOS usan TensorFlow del lado del cliente?
- Si su red neuronal no está aprendiendo (o no está aprendiendo mucho), ¿qué pasos toma para descubrir por qué?
- ¿Se pueden resolver todos los problemas de aprendizaje automático mediante redes neuronales?
- ¿Es posible detectar una estructura de acordes en una canción usando el aprendizaje profundo? Si es así, ¿cómo?
- ¿Cuál es la diferencia entre un conjunto de entrenamiento y un conjunto de prueba?
