Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3387

 
Aleksey Vyazmikin #:

Wie ist diese lineare Beziehung definiert? Können Sie das näher erläutern?

Ich entferne einfach Regeln, die sehr ähnlich sind, und bestimme die Ähnlichkeit anhand von Aktivierungspunkten.

Ich habe den Code veröffentlicht.
Hier sind die Details


Welche anderen Aktivierungspunkte?
 
mytarmailS #:
Ich habe den Code veröffentlicht.
Hier sind die Details
h ttps:// rdrr.io/cran/caret/man/findLinearCombos.html

Ich hatte gehofft, Sie könnten den Vorgang in Ihren eigenen Worten beschreiben.

Okay, hier ist der Übersetzer:

"

Einzelheiten

Die QR-Zerlegung wird verwendet, um festzustellen, ob eine Matrix den vollen Rang hat, und dann um Spaltengruppen zu identifizieren, die in Abhängigkeiten verwickelt sind.

Um diese "aufzulösen", werden die Spalten iterativ entfernt und der Rang der Matrix wird erneut überprüft.

Die Funktion trim.matrix im Paket subselect kann ebenfalls verwendet werden, um das gleiche Ziel zu erreichen.

"

Aus der Beschreibung geht nicht viel hervor, zunächst einmal stellt sich die Frage, um welche Matrix es sich handelt und wie sie ermittelt wird.

mytarmailS #:
Durch welche anderen Aktivierungspunkte?

Wenn die Regeln im Blatt ausgeführt wurden, ist dies die Blattaktivierung, was bedeutet, dass das Blatt bei der Bildung der endgültigen Antwort des Modells verwendet wird. Es wird eine Tabelle mit der Anzahl der Blätter erstellt und jede Zeile wird als aktiviert gekennzeichnet, wenn sie es ist - "1", wenn sie es nicht ist - "0".

 

Ich habe ein paar grundlegende Thesen zu Kozul skizziert, für diejenigen, die es schwierig finden, Bücher auf Englisch zu lesen. Und ein Beispiel in Python, wie es nach meiner Version am besten funktioniert. Willst du den Artikel?


 
Aleksey Vyazmikin #:
1. Google qr matrix decomposition, es ist nicht etwas, das Sie in einer Nussschale sagen können

2. Mit dieser Methode können Sie bestenfalls ein Drittel der unnötigen Merkmale entfernen.
 
Maxim Dmitrievsky #:

Ich habe ein paar grundlegende Thesen zu Kozul skizziert, für diejenigen, die es schwierig finden, Bücher auf Englisch zu lesen. Und ein Beispiel in Python, wie es nach meiner Version am besten funktioniert. Sie wollen den Artikel?

Nur zu.
 
mytarmailS #:
Ich bitte Sie.

Ich bin gerade dabei, ein weiteres Buch zu beenden, um die Theorie zu ergänzen.

weil es heißt, dass es nichts Praktischeres gibt als eine gute Theorie.

 
mytarmailS #:
1. Google qr matrix decomposition, es ist nicht etwas, das Sie in einer Nussschale sagen können

2. Mit dieser Methode können Sie bestenfalls ein Drittel der unnötigen Merkmale entfernen

1. Ich frage nicht nach der Zerlegung, sondern danach, woher die Matrix stammt.

2. Das scheint eine unbegründete Behauptung zu sein. Meiner Meinung nach können Sie mit meiner Methode mehr entfernen, als Sie brauchen.

 
Aleksey Vyazmikin #:

1. Ich frage nicht nach der Zerlegung, sondern danach, woher die Matrix stammt.

2. Das scheint eine unbegründete Aussage zu sein. Meiner Meinung nach kann meine Methode mehr entfernen, als sie muss.

1 Matrix mit Merkmalen

2 Reden wir über linear abhängige Merkmale oder über alles?
 
mytarmailS #:
1 Merkmalsmatrix

2 handelt es sich um linear abhängige Merkmale oder um alles?

1. Wie wird diese Matrix erstellt? Wie lauten die Zahlen darin?

2. Ich spreche von Regeln. Bei meinem Ansatz ist es egal, wie und woraus die Regel abgeleitet wird, aber wenn die Antwort einer anderen in der Trainingsstichprobe ähnlich ist, enthält sie keine zusätzlichen Informationen.

 

Warum sind große Zahlen von Zeichen böse? Interessante Grafik aus einem Buch über Kozul.

Die Wahrscheinlichkeit, das gleiche Beispiel in der Trainingsstichprobe zu finden, hängt von der Anzahl der Merkmale ab.

Wenn man mehr als 14 (oder sogar 10) Merkmale hat, erhält man eine Menge Regeln, die man nicht ohne Verlust reduzieren kann.