저는 이미 여러 차례 파이썬을 예로 들어 GPT가 인터넷 검색보다 더 편리하다고 말씀드린 바 있습니다. 동일한 판다에는 수백만 개의 문구가 있고, 모두 기억할 수 없으며, Google은 더 오래 걸리는 반면에 빠르게 답변합니다. 그리고 추상적인 예시가 아니라 질문의 맥락에서 즉시 답변이 제공됩니다. 나쁘지 않네요.
Maxim Dmitrievsky #: 이 글에서 제안하는 방법으로는 여러 모델을 살펴보고 가장 좋은 모델(PTU 스타일)을 선택할 수 없습니다. https://en.wikipedia.org/wiki/Multiple_comparisons_problem 입니다.
수천 가지 옵션 중에서 작업할 모델을 선택하는 방법이 궁금하신가요? 해당 패키지는 선택한 예측 변수에 대해 선택한 대상을 성공적으로 학습시킬 수 있는 가능성을 평가합니다. 대부분의 모델이 성공적이라면 선택한 모델도 성공할 가능성이 높습니다. (제가 알기로는) 특정 모델을 선택하지 않습니다. 이 기사에서 설명하지 않은 다른 방법으로 선택해야합니다. 그리고 많은주의 사항과 제한 사항 (몇 페이지)이 있으며 그중 일부는 제가 다시 언급했습니다.
그래도 더 자세한 내용이 궁금해서요... 수천 개의 옵션 중에서 작업할 모델을 선택하는 방법은 어떻게 제안하나요? 해당 패키지는 선택한 예측 변수에 대해 선택한 대상을 성공적으로 학습시킬 가능성을 평가합니다. 대부분의 모델이 성공적이라면 선택한 모델도 성공할 가능성이 높습니다. (제가 알기로는) 특정 모델을 선택하지 않습니다. 이 기사에서 설명하지 않은 다른 방법으로 선택해야합니다. 그리고 많은주의 사항과 제한 사항 (몇 페이지)이 있으며 그중 일부는 제가 다시 언급했습니다.
지표의 매개 변수가 다르기 때문에 모델이 다릅니다. 그러나 지표 세트는 동일 할 수 있습니다. 이것이 혼란이라고 생각합니다.
모든 것이 좋으면 좋은 것 중에서 만 선택할 수 있습니다. 선택의 문제를 이런 식으로 또는 약간의 신뢰 구간으로 두면 모두 좋습니다. 그렇지 않으면 더 많은 노력이 필요한 위의 문제입니다.
이전에 작성된 R용 패키지를 일반에 공개할 수 있습니다. 패키지를 수정하고 누락된 기능을 추가해야 합니다.
이것은 매우 좋은 결정이 될 것입니다. 필요하다면 기꺼이 테스트에 참여할 의향이 있습니다.
행운을 빕니다.
아주 좋은 해결책이 될 것입니다. 필요한 경우 테스트에 참여할 준비가 되어 있습니다.
행운을 빕니다.
하나의 실험에 하나의 차량이 관여
저는 오랫동안 오버핏에 대해 고민해왔고 여러 번 속삭여 왔습니다 - 코줄을 살펴보세요. 이 모든 기술은 거기서 나온 것이고, 프라도는 (부분적으로) 거기서 영감을 받았습니다.
통계학을 ML로 일반화한 것입니다.
주어진 기준(트리트먼트)으로 모델을 추론할 수 있습니다. 데이터의 편향과 분산을 제거하여 새로운 데이터에서 더 잘 작동하도록 하는 것입니다.이 글에서 제안하는 방법으로는 여러 모델을 살펴보고 가장 좋은 모델(PTU 스타일)을 선택할 수 없습니다. https://en.wikipedia.org/wiki/Multiple_comparisons_problem 입니다.
수천 가지 옵션 중에서 작업할 모델을 선택하는 방법이 궁금하신가요?
해당 패키지는 선택한 예측 변수에 대해 선택한 대상을 성공적으로 학습시킬 수 있는 가능성을 평가합니다. 대부분의 모델이 성공적이라면 선택한 모델도 성공할 가능성이 높습니다.
(제가 알기로는) 특정 모델을 선택하지 않습니다. 이 기사에서 설명하지 않은 다른 방법으로 선택해야합니다. 그리고 많은주의 사항과 제한 사항 (몇 페이지)이 있으며 그중 일부는 제가 다시 언급했습니다.
지표 매개 변수가 다르기 때문에 모델이 다릅니다. 그러나 지표 세트는 동일 할 수 있습니다. 이것이 혼란이라고 생각합니다.
전략은 동일하지만 모델 (변형)이 다르다고 말할 수 있습니다.
그래도 더 자세한 내용이 궁금해서요... 수천 개의 옵션 중에서 작업할 모델을 선택하는 방법은 어떻게 제안하나요?
해당 패키지는 선택한 예측 변수에 대해 선택한 대상을 성공적으로 학습시킬 가능성을 평가합니다. 대부분의 모델이 성공적이라면 선택한 모델도 성공할 가능성이 높습니다.
(제가 알기로는) 특정 모델을 선택하지 않습니다. 이 기사에서 설명하지 않은 다른 방법으로 선택해야합니다. 그리고 많은주의 사항과 제한 사항 (몇 페이지)이 있으며 그중 일부는 제가 다시 언급했습니다.
지표의 매개 변수가 다르기 때문에 모델이 다릅니다. 그러나 지표 세트는 동일 할 수 있습니다. 이것이 혼란이라고 생각합니다.
모든 것이 좋으면 좋은 것 중에서 만 선택할 수 있습니다. 선택의 문제를 이런 식으로 또는 약간의 신뢰 구간으로 두면 모두 좋습니다. 그렇지 않으면 더 많은 노력이 필요한 위의 문제입니다.
누가 정확히 무엇을 하는지 모르기 때문에 질문이 모호합니다.
실험을 하고, 코드를 작성하고...
시도해보고, 작동하고, 어떤 TC를 사용하는 것이 더 나은지 등을 생각하면서 더 깊이 들어가죠...
그리고 또 1년을 이론에 대해 토론하다가 포기하면 끝이죠.
하지만 교육 없이 어떻게 교차 검증을 하는지 이해가 되지 않습니다. 그들은 준비된 반환 세트를 제공 한 다음 12,000 개의 변형에 혼합합니다. 12000개의 IS 각각에 대해 학습하고 각각의 해당 OOS에 대해 예측해야 합니다.
제 생각에는 트레이네에서 균형 곡선의 직진도를 평가하는 옵션 중 하나입니다.
교차 검증을 통해 편향(이것이 가장 중요한 것)과 분산이 제거되었기 때문에 모델은 새로운 데이터에서 +-로 적절하게 작동하기 시작합니다. 그런 다음 미세 조정할 수 있습니다.
거래에도 사용할 수 있습니다.