libact is a Python package designed to make active learning easier for real-world users. The package not only implements several popular active learning strategies, but also features the active-learning-by-learning meta-algorithm that assists the users to automatically select the best strategy on the fly. Furthermore, the package provides a...
제출됨 - 아무것도 주지 않음
이상합니다 ... 알겠습니다. 이 주제를 살펴보고 구독을 취소하겠습니다.
공식 문서에 나열되어 있지 않습니다.
Maxim, Python 또는 CatBoost의 콘솔 버전에서 학습률이 더 높은 곳을 비교할 수 있습니까?
이상합니다 ... 알겠습니다. 이 주제를 살펴보고 구독을 취소하겠습니다.
처음에 그는 기억에서 말했고 잘못된 것으로 판명되었습니다.
교차 검증으로 방금 확인했습니다. 시간은 여전히 새 데이터에 대해 1-2% 증가를 제공합니다. TP=SL의 경우 실패한 예측보다 성공적인 예측의 총 우세는 약 5%입니다. 저것들. 성공에 대한 기여도의 10~30%는 시간에서 비롯됩니다.
그러나 이것은 2개월 간의 역사에 대한 테스트입니다. 반면 상황은 바뀔 수 있습니다.시간은 코사인과 사인의 형태로 주어집니다. 여기에서 논의되었습니다. https://www.mql5.com/ru/forum/212376#comment_5983502
0...5( 요일 ) 또는 0...23(시) 또는 0...59(분) 형식으로도 가능하지만 범주형 변수입니다.
사인과 코사인은 이미 숫자이며 모든 알고리즘에서 사용할 수 있습니다.
능동적 학습이라는 비교적 새로운 방향이 있습니다. 그 자체가 최선의 방법으로 데이터를 마크업할 수 있습니다. 내 접근 방식(무작위 샘플링)에 적합한 것 같습니다. 깊어질 때까지
https://libact.readthedocs.io/en/latest/overview.html
https://medium.com/towards-artificial-intelligence/how-to-use-active-learning-to-iteratively-improve-your-machine-learning-models-1c6164bdab99
주파수와 가능한 위상은 길을 따라 떠 있습니다 .. 진폭을 유지 ...
다음은 4개의 고조파 중 10,000개의 기록에 대한 적합 모델의 500개 지점에 대한 예측입니다.
예측은 500개 포인트 모두에 해당되지만 주파수는 유동적이며 이해할 수 없는 알고리즘에 따라 유동적임을 알 수 있습니다.
이것은 또 다른 좋은 예입니다. 일반적으로 주석에서 발생합니다.
증분을 시도 했습니까?
"여러 증분의 유용한 속성 중 하나는 원래 프로세스에 비해 스펙트럼의 안정성이 더 높다는 것입니다."라고 Goodman은 말합니다.
시간은 코사인과 사인의 형태로 주어집니다. 여기에서 논의되었습니다. https://www.mql5.com/ru/forum/212376#comment_5983502
0...5( 요일 ) 또는 0...23(시) 또는 0...59(분) 형식으로도 가능하지만 범주형 변수입니다.
사인과 코사인은 이미 숫자이며 모든 알고리즘에서 사용할 수 있습니다.
시간을 사인 \ 코사인으로 변환하는 함수를 게시할 수 있습니까? 나는 또한 이 방법을 시도할 것이다. 내가 출판한 기사에서 시간의 숫자는 중요한 예측 변수로 판명되었습니다. 이 방법이 나무 모델이나 신경망 이상에 적합한지 궁금합니다.
증분을 시도 했습니까?
"여러 증분의 유용한 속성 중 하나는 원래 프로세스에 비해 스펙트럼의 안정성이 더 높다는 것입니다."라고 Goodman은 말합니다.
아니요