모델이 50/50을 예측하면 나쁜 50을 버리고 나머지는 100%를 예측한다는 건가요? 그것은 단지 슈퍼 학습 일뿐 다른 것은 없습니다.
분류 오류는 동일한 값의 예측자가 어떤 경우에는 올바르게 예측하고 다른 경우에는 올바르게 예측하지 못한다는 사실에서 발생하며, 이것이 문제이며,이를 제거하려면 "관계의 강도"예측자와 대상 변수를 필터링하는 단계에서만 가능하며 완전히 불가능하며, 신은 예측자를 필터링하고이 비용으로 분류 오류를 10 % 줄이려고 기꺼이 기꺼이합니다.
Maxim Dmitrievsky 방향을 예측하는 기본 모델과 당첨 확률(거래 또는 거래하지 않을 확률)을 예측하는 메타 모델로 구성된 하나의 이론적 TS로 가상의 상황을 제시해 보겠습니다:
첫 번째 모델을 기본 모델이라고 부르며, 피처 공간을 검은색 선으로 매수/매도로 나눕니다. 두 번째 모델은 메타 모델로, 전체 피처 공간을 거래/비거래(빨간색 선)로 나눕니다.
이제 두 개의 메타 모델이 있고 각 메타 모델이 매수/매도 클래스의 서로 다른 특징 공간을 거래/비거래로 개별적으로 나누는 또 다른 변형을 상상해 보겠습니다(빨간색 선 두 개).
순전히 이론적으로 생각해 볼 수 있는 질문은 두 번째 옵션이 더 나은지 여부입니다. 그리고 더 낫다면 그 이유는 무엇인가요. 의견을 말씀해 주세요.
그러한 "개입"의 효과를 결정하는 방법에 대한 요청, 아마도 Alexei Nikolaev에게도 요청. 결국 두 가지 메타 모델의 두 가지 확률 분포를 얻을 수 있으며이를 비교 / 평가 / 분산 할 수 있습니다.
실용적인 관점에서 본다면 저는 포레스터의 의견에 동의합니다.
순전히 이론적인 관점에서만 본다면 두 접근법을 대조하지 않을 수도 있습니다. 이를 이해하기 위해 두 번째 그림의 빨간색 직선을 하나의 곡선의 일부로 생각하면 됩니다. 본질적으로 이는 두 번째 옵션이 더 유연하고 복잡하여 좋은 의미와 나쁜 의미에서 더 많은 옵션을 제공한다는 것을 의미합니다.
순전히 이론적인 관점에서 본다면 이 두 가지 접근 방식을 대조하지 않을 수도 있습니다. 이를 이해하기 위해 두 번째 그림의 빨간색 직선을 하나의 곡선의 일부로 생각하면 됩니다. 본질적으로 이것은 두 번째 옵션이 더 유연하고 복잡하여 좋은 의미와 나쁜 의미에서 더 많은 옵션을 제공한다는 것을 의미합니다.
매수 및 매도에 대한 특성 값의 분포가 다르기 때문에 두 가지 모델에서 서로 다른 편향을 얻을 수 있지만, 한 모델에서는 공통된 것을 계산할 수 있습니다. 일반적으로 사용해보기 전까지는 이해하지 못할 것입니다 :)
Здесь приведены некоторые соображения по поводу этой ветки. Формальное определение. Введём обозначения: r - ряд цен, s - система, e - эквити Подаём цены на вход системы и получаем на выходе эквити: r
fxsaber #: 이 차이를 보여주는 스크립트가 있나요? 저는 약간 다른 견해를 가지고 있습니다( 일반화된 버전링크 ).
아니요, 이 주제에 대해 구체적으로 연구한 적은 없습니다. 수동 거래를 시도했을 때 느린 성장 후 빠른 하락을 기억합니다. 아마도 그것은 내 예금을 고갈 시켰기 때문에 감정적으로 기억되었을 것입니다. 나는 모든 것이 짝수이거나 그 반대라는 것을 배제하지 않습니다)))).
저에게는 오류를 걸러낸다는 개념이 전혀 이해가 되지 않습니다.
모델이 50/50을 예측하면 나쁜 50을 버리고 나머지는 100%를 예측한다는 건가요? 그것은 단지 슈퍼 학습 일뿐 다른 것은 없습니다.
분류 오류는 동일한 값의 예측자가 어떤 경우에는 올바르게 예측하고 다른 경우에는 올바르게 예측하지 못한다는 사실에서 발생하며, 이것이 문제이며,이를 제거하려면 "관계의 강도"예측자와 대상 변수를 필터링하는 단계에서만 가능하며 완전히 불가능하며, 신은 예측자를 필터링하고이 비용으로 분류 오류를 10 % 줄이려고 기꺼이 기꺼이합니다.
당신의 철학은 오랫동안 분명했는데, 그 결과는 어디인가요? ) 그게 뭔지 보여주세요.
저는 OOS를 개선하고 기뻐했으며 접근 방식이 소진 될 때까지 계속 개선했습니다.첫 번째 모델을 기본 모델이라고 부르며, 피처 공간을 검은색 선으로 매수/매도로 나눕니다. 두 번째 모델은 메타 모델로, 전체 피처 공간을 거래/비거래(빨간색 선)로 나눕니다.
이제 두 개의 메타 모델이 있고 각 메타 모델이 매수/매도 클래스의 서로 다른 특징 공간을 거래/비거래로 개별적으로 나누는 또 다른 변형을 상상해 보겠습니다(빨간색 선 두 개).
순전히 이론적으로 생각해 볼 수 있는 질문은 두 번째 옵션이 더 나은지 여부입니다. 그리고 더 낫다면 그 이유는 무엇인가요. 의견을 말씀해 주세요.
그러한 "개입"의 효과를 결정하는 방법에 대한 요청, 아마도 Alexei Nikolaev에게도 요청. 결국 두 가지 메타 모델의 두 가지 확률 분포를 얻을 수 있으며이를 비교 / 평가 / 분산 할 수 있습니다.실용적인 관점에서 본다면 저는 포레스터의 의견에 동의합니다.
순전히 이론적인 관점에서만 본다면 두 접근법을 대조하지 않을 수도 있습니다. 이를 이해하기 위해 두 번째 그림의 빨간색 직선을 하나의 곡선의 일부로 생각하면 됩니다. 본질적으로 이는 두 번째 옵션이 더 유연하고 복잡하여 좋은 의미와 나쁜 의미에서 더 많은 옵션을 제공한다는 것을 의미합니다.
실용적인 관점에서 본다면 저는 포레스터의 의견에 동의합니다.
순전히 이론적인 관점에서 본다면 이 두 가지 접근 방식을 대조하지 않을 수도 있습니다. 이를 이해하기 위해 두 번째 그림의 빨간색 직선을 하나의 곡선의 일부로 생각하면 됩니다. 본질적으로 이것은 두 번째 옵션이 더 유연하고 복잡하여 좋은 의미와 나쁜 의미에서 더 많은 옵션을 제공한다는 것을 의미합니다.
예측자와 대상 간의 관계 강도에 대한 정량적 측정이 필요합니다. 저는 이 포럼에 여러 번 글을 썼고, R 패키지를 참조했으며, 심지어 계산 결과를 인용하기도 했습니다.
저도 동의하지만, 때로는 몇 가지 기능이 예측의 품질을 향상시키는 경우도 있습니다. 다음은 간단한 예입니다. 낮의 온난화는 구름의 양과 습도에 영향을 받습니다.
모든 예보관은 습도가 높으면 구름이 없는 하늘이라도 습도가 낮을 때보다 온난화가 덜 심각하다는 것을 알고 있습니다. 따라서 우리는 징후들의 '관계'를 살펴볼 필요가 있습니다.
동의하지만 때로는 몇 가지 징후가 예측의 품질을 향상시킬 수 있습니다. 간단한 예를 들어보겠습니다. 낮의 온난화는 구름의 양과 대기 습도의 영향을 받습니다.
모든 예보관은 습도가 높으면 구름이 없는 하늘이라도 습도가 낮을 때보다 온난화가 덜 심각하다는 것을 알고 있습니다. 따라서 우리는 징후들의 '관계'를 살펴볼 필요가 있습니다.
어떤 기상청 모델에서 이를 고려할 수 있나요?
필터링하지 않으면 여전히 오류가 발생합니다. MO는 본질적으로 정확히 반복 할 필요가없는 역사의 적합성입니다.
세계 권력 브로커의 뉴스, 성명은 국방부를 어둠 속에 남겨 둘 것입니다. 그렇지 않으면 통치자들은 국방부의 지시에 따라 말하고 뉴스는 국방부의 지시에 따라 나와야하기 때문입니다. 꼬리가 개를 흔든다(C).
하지만 시장 모델을 사용하면 상황이 그렇게 슬프지 않습니다. 정확도는 떨어질 수 있지만 이동의 방향과 기간을 예측할 확률은 더 높아집니다.
여러분이 제 글을 읽고 제 힌트를 따라준다는 사실만으로도 저는 행복합니다).
어떤 MOE 모델에서 이를 고려할 수 있나요?
캣부스트가 있습니다.
https://catboost.ai/en/docs/concepts/python-reference_catboostclassifier_get_feature_importance
상승장과 하락장은 다르게 거래된다고 생각합니다. 같은 유로라도 보통 빠르게 하락했다가 천천히 상승합니다. 행동이 다르죠.
필터링하지 않으면 여전히 오류가 발생합니다. MoD는 본질적으로 정확히 같을 필요는 없는 스토리를 끼워 맞추는 것입니다.
세계 권력 브로커들의 뉴스, 성명은 국방부를 어둠 속에 빠뜨릴 것입니다. 그렇지 않으면 통치자들은 국방부의 지시에 따라 말하고 뉴스는 국방부의 지시에 따라 나와 야 하기 때문입니다. 꼬리가 개를 흔든다(C).
하지만 시장 모델을 사용하면 상황이 그렇게 슬프지 않습니다. 정확도는 떨어질 수 있지만 움직임의 방향과 지속 시간을 예측할 확률은 더 높아집니다.
여러분이 제 글을 읽고 제 힌트를 따라준다는 사실만으로도 저는 행복합니다).
MO는 도움이 되지 않을 뿐만 아니라 확률도 도움이 되지 않습니다.
마진 규칙.
이 차이를 보여주는 스크립트가 있나요? 저는 약간 다른 견해를 가지고 있습니다( 일반화된 버전링크 ).
아마도 그것은 내 예금을 고갈 시켰기 때문에 감정적으로 기억되었을 것입니다. 나는 모든 것이 짝수이거나 그 반대라는 것을 배제하지 않습니다)))).