首先，处理序列数据的方式有很多种，一维CNN在很多情况下效果也很不错。
比如处理股票和彩票的序列，DNA的、RNA的序列，聊天对话的序列等等的。
RNN具有参数共享的一个特性。所以RNN在序列长度和顺序序列上具有强大的泛华能力
泛化能力
RNN还具有强大的短期记忆能力
所以在语音识别，文字生成，到视频预测，再到面部年龄建模等等场景，RNN都发挥的独特的作用
股票期货这样的金融指数可以用模型预测。彩票也能吗?
彩票结果虽然也是数字，但其并不具有数字的意义。彩票结果的1,2,3等同于a,b,c是没有1+2=3这样的数学的。
当成序列处理就行吧
彩票的话直接是随机的吧..模型要能拟合，特征有一个可以拟合的目标函数或者分布之类的，彩票这个我个人感觉就算是特征提取到了很深层抽象度再高，实际上分布也还是随机的......
我也倾向于这种认识。
金融指数反应的是市场供求关系和人们的预期等具有实际意义的现象。彩票机的结果反应的是什么？机器均匀磨损以导致均值回归？彩票机的目的就是为了随机生成。
不太好预测 但是我认为是可以较好预测的
我见过很多用一维CNN做彩票预测的
回测效果还都不错
看来这丹炉啥都能练出来。能练出彩票序列的是太上老君啊。哈哈
我以前看过一本科普书好像叫《数学确定性的丧失》还是《醉汉的脚步》来着。里面讲到一些数学家认为股市涨跌也是完全随机的，只是人们总能时候“发明”一套理论去“解释”涨跌。
模型有效也是在一定概率下，没什么事确定的。
我还记得有些理论说有些人是有“联觉”的，把味道和颜色能联系在一起。如果彩票能预测，那是不是说凡是能embedding成向量的东西，全都能联系在一起呢？这样做有意义么？
rnn深度上去了太废资源了
股票可能就有点棘手了
股票要结合当时的世界市场环境，各国政策，股民的信任度，大宗贸易资金的流动，等诸多因素，是很难去预测的
的确如此 太难预测了
RNN具有参数共享的一个特性。所以RNN在序列长度和顺序序列上具有强大的泛华能力
泛化能力
RNN还具有强大的短期记忆能力
所以在语音识别，文字生成，到视频预测，再到面部年龄建模等等场景，RNN都发挥的独特的作用
股票期货这样的金融指数可以用模型预测。彩票也能吗?
彩票结果虽然也是数字，但其并不具有数字的意义。彩票结果的1,2,3等同于a,b,c是没有1+2=3这样的数学的。
当成序列处理就行吧
彩票的话直接是随机的吧..模型要能拟合，特征有一个可以拟合的目标函数或者分布之类的，彩票这个我个人感觉就算是特征提取到了很深层抽象度再高，实际上分布也还是随机的......
我也倾向于这种认识。
金融指数反应的是市场供求关系和人们的预期等具有实际意义的现象。彩票机的结果反应的是什么？机器均匀磨损以导致均值回归？彩票机的目的就是为了随机生成。
不太好预测 但是我认为是可以较好预测的
我见过很多用一维CNN做彩票预测的
回测效果还都不错
看来这丹炉啥都能练出来。能练出彩票序列的是太上老君啊。哈哈
我以前看过一本科普书好像叫《数学确定性的丧失》还是《醉汉的脚步》来着。里面讲到一些数学家认为股市涨跌也是完全随机的，只是人们总能时候“发明”一套理论去“解释”涨跌。
模型有效也是在一定概率下，没什么事确定的。
我还记得有些理论说有些人是有“联觉”的，把味道和颜色能联系在一起。如果彩票能预测，那是不是说凡是能embedding成向量的东西，全都能联系在一起呢？这样做有意义么？
rnn深度上去了太废资源了
股票可能就有点棘手了
股票要结合当时的世界市场环境，各国政策，股民的信任度，大宗贸易资金的流动，等诸多因素，是很难去预测的
的确如此 太难预测了