트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3179

[sibirqk]

Maxim Dmitrievsky #:
보라, 오리지널 시리즈의 패턴이 주어지지 않으면 힐베르트의 길은 당신의 소중한 목표에 도달하지 못할 것입니다. 당신의 노력은 악마로 변할 것이며 낙원 대신 불명예스러운 학살을 발견하게 될 것입니다.

😁😁

[Maxim Dmitrievsky]

저는 부스트 개발자에게 다중 선형성 및 기능 선택(전처리)을 어떻게 해야 하는지 물어봤습니다.

분명한 대답을 들었습니다: 그냥 잊어버려요 :)

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

그리고 플롯에서 인트로로의 변환이 주로 대용량 데이터의 가속을 위해 필요한지 묻는 이유는 무엇입니까?

보너스는 운이 좋으면 좋든 나쁘든 모델의 작은 보정일 수 있습니다.

그들은 당신에게 같은 대답을 줄 것이므로 수년간의 모든 노력을 평가 절하 할 것이기 때문에 물어 보는 것이 두렵습니다 :)

질문의 결과로 판단하면 제 노력이 어떻게 평가절하될 수 있나요?

예, 결과는 지표 성장 측면에서 최고는 아니지만 다른 표현을 포함하여 거기에 있습니다.

예를 들어, 제 방법을 사용한 사전 처리 없이는 새로운 데이터에서 수익성 있는 모델을 전혀 얻을 수 없는 샘플이 있습니다.

[mytarmailS]

Maxim Dmitrievsky #:

저는 부스트 개발자에게 다중 선형성 및 기능 선택(전처리)에 대해 어떻게 해야 하는지 물어보았습니다.

분명한 대답을 들었습니다: 그냥 잊어버리세요 :)

특성이 수십억 개가 있다면 그냥 잊어버려야 할까요? 아니면 여전히 상관관계가 없는 특성을 선택해야 할까요?

[Maxim Dmitrievsky]

mytarmailS #:
수십억 개의 특성이 있다면 그냥 잊어버리면 될까요? 아니면 여전히 상관관계가 없는 특성을 선택해야 할까요?

마음대로 하세요.

[mytarmailS]

Maxim Dmitrievsky #:
마음대로

오히려 필요에 의해 필터링되어야 하며, 선택 사항이 아닙니다.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

저는 부스트 개발자에게 다중 선형성 및 기능 선택(전처리)에 대해 어떻게 해야 하는지 물어보았습니다.

분명한 대답을 들었습니다: 그냥 잊어버려요 :)

실제 적용 사례에 대한 정보로 판단할 때 거의 논의하지 않는 기능이 있습니다.

예를 들어 예측자를 그룹화하고 가중치를 부여하는 기능입니다. 또한 모델을 개선 할 수있는 잠재력을 보았지만 여기서는 실험 할 수 없으며 많은 검색이 필요합니다.

그리고 원래 전체 프로젝트를 머릿속에 보관 한 사람이 여전히 작업하고 있다는 것은 사실이 아니며 실행 속도 측면에서 알고리즘 자체를 개선하고 버그를 수정하는 동료와 다른 사람들이있을 가능성이 큽니다. 우물과 작은 칩이 때때로 나타납니다.

[Maxim Dmitrievsky]

mytarmailS #:
오히려 필요에 따라 필터링해야 하며, 옵션은 없습니다.

애초에 수십억 개의 기능을 만들지 않는 것이 더 쉬울 수 있습니다.

[Maxim Dmitrievsky]

Aleksey Vyazmikin #:

실제 적용 사례에 대한 정보로 판단할 때 거의 논의하지 않는 기능이 있습니다.

예를 들어 예측 변수를 그룹화하고 가중치를 부여하는 기능이 있습니다. 또한 모델을 개선할 수 있는 가능성도 보이지만 여기서는 실험할 수 없으며 많은 검색이 필요합니다.

그리고 원래 전체 프로젝트를 머릿속에 보관 한 사람이 여전히 작업하고 있다는 것은 사실이 아니며 실행 속도 측면에서 알고리즘 자체를 개선하고 버그를 수정하는 동료와 다른 사람들이있을 가능성이 큽니다. 우물과 작은 칩이 때때로 나타납니다.

이것은 모두 선택 사항입니다.

[mytarmailS]

Maxim Dmitrievsky #:
애초에 수십억 개의 표지판을 만들지 않는 것이 더 쉬울 수도 있습니다.

기능이 나쁘다는 것을 깨닫기 위해서는 확인해야 하고, 확인하려면 기능이 있어야 하고, 기능을 가지려면 기능이 있어야 합니다....