트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3338

새 코멘트
 
Maxim Dmitrievsky #:
흥미롭게도 MO를 어느 정도 오랫동안 해왔다면 비슷한 결론에 도달하게 됩니다. 접근 방식의 자연스러운 진화 과정입니다. 이것이 제가 코줄, 통계적 학습 및 신뢰할 수있는 AI에 도달 한 방법입니다. 이 단어들을 구글에 검색하면 유용한 내용을 찾을 수 있습니다.

네, 일반적인 정보 분야인 정상적인 과정입니다. 역사는 몇 년 간격으로 발견을 알고 있으며, 이를 설명하는 작업은 확인, 검토 및 일반적으로 이해할 수 있는 언어로 번역 한 후 늦게 출판됩니다.

 
Aleksey Vyazmikin #:

분류에 대해서는 여기에 쓰여 있습니다 . 그러나 CatBoost는 약간 다른 공식을 가지고 있지만 수학적 변환 비용 일 수 있습니다.....

그리고 같은 장소의 비디오 링크 인 것 같습니다.


코드가 없습니다. 그리고 사진으로 판단하면 후속 트리는 정확히 0과 1이 아닌 0.21, 1.08, -0.47과 같은 오차 값 ..... 회귀에서처럼요.
 
Aleksey Vyazmikin #:

주제에 대한 동영상을 시청할 수 있습니다.

약간 엉망입니다. 불량 샘플을 제거할 때 로그로스가 증가하는 것이지 떨어지는 것이 아닙니다. 좋은 샘플을 제거하면 로그 손실도 증가합니다.

스스로 하지 않으면 아무도 대신해 주지 않습니다.
 

코드가 많은 좋은 책입니다. 링크를 알려드립니다. 안타깝게도 .PDF 파일 크기가 너무 큽니다.

Tidy Modeling with R
Tidy Modeling with R
  • Max Kuhn and Julia Silge
  • www.tmwr.org
The tidymodels framework is a collection of R packages for modeling and machine learning using tidyverse principles. This book provides a thorough introduction to how to use tidymodels, and an outline of good methodology and statistical practice for phases of the modeling process.
 
СанСаныч Фоменко #:

코드가 많은 좋은 책입니다. 링크를 알려드립니다. 안타깝게도 .PDF 파일 크기가 너무 큽니다.

//---------------------------------------


Perdon .주제1모델링용 소프트웨어를 살펴봤습니다. 그것으로 충분했습니다.

많은 양의 코드를 찾지 못했습니다. 실수하신 것 같아요. 당신은 영리하게 속았습니다.

그냥 영리한 단어가 많은 아름다운 책입니다.

P.Z.

다른 책에서 복사했습니다.

어떤 시스템도 없이.

1 Software for modeling | Tidy Modeling with R
1 Software for modeling | Tidy Modeling with R
  • Max Kuhn and Julia Silge
  • www.tmwr.org
The tidymodels framework is a collection of R packages for modeling and machine learning using tidyverse principles. This book provides a thorough introduction to how to use tidymodels, and an outline of good methodology and statistical practice for phases of the modeling process.
 
Lorarica #:

Perdon .주제1모델링용 소프트웨어를 살펴봤습니다. 그 정도면 충분했습니다.

많은 양의 코드를 찾지 못했습니다. 실수하신 것 같아요. 영리하게 속으셨군요.

영리한 단어가 많은 아름다운 책일 뿐입니다.

P.Z.

다른 책에서 복사했습니다.

시스템 없이.

제목만 읽는 습관에서 벗어나세요. 책은 트위터 게시물이 아닙니다.

저는 책의 절반 이상을 읽었기 때문에 내용을 스스로 판단할 수 있고, 80%가 코드인 부분도 있습니다.

다음은 책에서 코드를 작성하는 데 사용된 패키지 목록입니다.

This version of the book was built with: R version 4.1.3 (2022-03-10), pandoc version
2.17.1.1, and the following packages:
• applicable (0.0.1.2, CRAN)
• av (0.7.0, CRAN)
• baguette (0.2.0, CRAN)
• beans (0.1.0, CRAN)
• bestNormalize (1.8.2, CRAN)
• bookdown (0.25, CRAN)
• broom (0.7.12, CRAN)
• censored (0.0.0.9000, GitHub)
• corrplot (0.92, CRAN)
• corrr (0.4.3, CRAN)
• Cubist (0.4.0, CRAN)
• DALEXtra (2.1.1, CRAN)
• dials (0.1.1, CRAN)
• dimRed (0.2.5, CRAN)
• discrim (0.2.0, CRAN)
• doMC (1.3.8, CRAN)
• dplyr (1.0.8, CRAN)
• earth (5.3.1, CRAN)
• embed (0.1.5, CRAN)
• fastICA (1.2-3, CRAN)
• finetune (0.2.0, CRAN)
• forcats (0.5.1, CRAN)
• ggforce (0.3.3, CRAN)
• ggplot2 (3.3.5, CRAN)
• glmnet (4.1-3, CRAN)
• gridExtra (2.3, CRAN)
• infer (1.0.0, CRAN)
• kableExtra (1.3.4, CRAN)
• kernlab (0.9-30, CRAN)
• kknn (1.3.1, CRAN)
• klaR (1.7-0, CRAN)
• knitr (1.38, CRAN)
• learntidymodels (0.0.0.9001, GitHub)
• lime (0.5.2, CRAN)
• lme4 (1.1-29, CRAN)
• lubridate (1.8.0, CRAN)
• mda (0.5-2, CRAN)
• mixOmics (6.18.1, Bioconductor)
• modeldata (0.1.1, CRAN)
• multilevelmod (0.1.0, CRAN)
• nlme (3.1-157, CRAN)
• nnet (7.3-17, CRAN)
• parsnip (0.2.1.9001, GitHub)
• patchwork (1.1.1, CRAN)
• pillar (1.7.0, CRAN)
• poissonreg (0.2.0, CRAN)
• prettyunits (1.1.1, CRAN)
• probably (0.0.6, CRAN)
• pscl (1.5.5, CRAN)
• purrr (0.3.4, CRAN)
• ranger (0.13.1, CRAN)
• recipes (0.2.0, CRAN)
• rlang (1.0.2, CRAN)
• rmarkdown (2.13, CRAN)
• rpart (4.1.16, CRAN)
• rsample (0.1.1, CRAN)
• rstanarm (2.21.3, CRAN)
• rules (0.2.0, CRAN)
• sessioninfo (1.2.2, CRAN)
• stacks (0.2.2, CRAN)
• klaR (1.7-0, CRAN)
• knitr (1.38, CRAN)
• learntidymodels (0.0.0.9001, GitHub)
• lime (0.5.2, CRAN)
• lme4 (1.1-29, CRAN)
• lubridate (1.8.0, CRAN)
• mda (0.5-2, CRAN)
• mixOmics (6.18.1, Bioconductor)
• modeldata (0.1.1, CRAN)
• multilevelmod (0.1.0, CRAN)
• nlme (3.1-157, CRAN)
• nnet (7.3-17, CRAN)
• parsnip (0.2.1.9001, GitHub)
• patchwork (1.1.1, CRAN)
• pillar (1.7.0, CRAN)
• poissonreg (0.2.0, CRAN)
• prettyunits (1.1.1, CRAN)
• probably (0.0.6, CRAN)
• pscl (1.5.5, CRAN)
• purrr (0.3.4, CRAN)
• ranger (0.13.1, CRAN)
• recipes (0.2.0, CRAN)
• rlang (1.0.2, CRAN)
• rmarkdown (2.13, CRAN)
• rpart (4.1.16, CRAN)
• rsample (0.1.1, CRAN)
• rstanarm (2.21.3, CRAN)
• rules (0.2.0, CRAN)
• sessioninfo (1.2.2, CRAN)
• stacks (0.2.2, CRAN)
• stringr (1.4.0, CRAN)
• svglite (2.1.0, CRAN)
• text2vec (0.6, CRAN)
• textrecipes (0.5.1.9000, GitHub)
• themis (0.2.0, CRAN)
• tibble (3.1.6, CRAN)
• tidymodels (0.2.0, CRAN)
• tidyposterior (0.1.0, CRAN)
• tidyverse (1.3.1, CRAN)
• tune (0.2.0, CRAN)
• uwot (0.1.11, CRAN)
• workflows (0.2.6, CRAN)
• workflowsets (0.2.1, CRAN)
• xgboost (1.5.2.1, CRAN)
• yardstick (0.0.9, CRAN
내용면에서 이 책은 "기계 학습"에 대한 문제와 해결책을 체계적으로 제시하고 있으며, 이 사이트에서는 "기계 학습"이 일반적으로 모델로만 이해되기 때문에 매우 유용합니다.
 
Lorarica #:

Perdon .주제1모델링용 소프트웨어를 살펴봤습니다. 그 정도면 충분했습니다.

많은 양의 코드를 찾지 못했습니다. 실수하신 것 같아요. 영리하게 속으셨군요.

영리한 단어가 많은 좋은 책일 뿐입니다.

P.Z.

다른 책에서 복사했습니다.

시스템 없이.

소프트웨어 섹션에서 그녀는 많은 코드를 찾고있었습니다...))))

그리고 많은 "똑똑한 단어"와 그림은 그녀에게 단점입니다...))))

광대
 
СанСаныч Фоменко #:
좋은 책이지만 읽을 사람이 없습니다.
 
리샘플링 및 CV 후 통계 출력은 어디에 있나요? 그리고 최종 분류기의 구성. 이 주제를 가지고 발전시켜 보세요. 이것이 코줄의 기초입니다.

여러 모델을 리샘플링과 비교하여 효과적인 모델을 만드는 툴입니다. 그런 다음 통계적 추론과 편향되지 않은 모델 구축과 같은 것이 있어야합니다.

통계적 추론이 필요합니다. 동일한 RL 및 다른 방법과 비교하여 몇 가지 결과를 제공합니다.

R에서 통계적 학습, 약한 지도 학습, 기능적 증강 학습을 찾아보세요.
 
파이썬에는 스노클 라이브러리가 있습니다. 그들의 사이트 어딘가에 교사와 함께 학습하는 것과 약한 통제력으로 학습하는 것을 비교한 자료가 있습니다. 후자가 전자를 능가한다는 것을 알 수 있습니다. 그것도 알아두면 유용합니다.

1...333133323333333433353336333733383339334033413342334333443345...3399
새 코멘트
사유: