gftgpu

框架上的问题

3

机器之心上看到该 proj ，过来扫了一眼。类似的工作，我两年前做过。指出一个比较严重的问题。 每个 episode 应该是随机取一个时间段跨度。为了便于对比 reward ，这个跨度的时间长度可以是相同的。现在这种划分 train-set 和 validation-set 的思考角度是错误的。想象一下，你的 simulate trade (game env) 没有随机性，RL Model 在多次迭代后，记住的是状态路径，不具备好的泛化能力。 另：推荐使用 tushare ， 数据更加全面一些。