Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3355
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich hatte gehofft, dass jemand den Tipp wenigstens googeln würde.
Irgendwie schenken Sie meinen Beiträgen keine Aufmerksamkeit und konzentrieren sich auf Wahrscheinlichkeiten. Es ist egal, wie die Wahrscheinlichkeit heißt, wichtig ist, dass, wenn sie sich nicht verbessert, das Modell übertrainiert ist, in die Tonne. Der Vorhersagefehler bei OOV, OOS und VNU sollte in etwa gleich groß sein.
Hier ist ein weiteres Histogramm
Anderer Algorithmus - anderes Histogramm, obwohl die Beschriftungen und Prädiktoren dieselben sind. Wenn Sie nach einer Art theoretischer Wahrscheinlichkeit suchen, die besagt, dass verschiedene Klassifizierungsalgorithmen die gleichen Histogramme erzeugen ... Das kommt mir nicht in den Sinn, denn man muss mit bestimmten Algorithmen arbeiten, und die werden Vorhersagen machen, und die müssen bewertet werden, nicht irgendein theoretisches Ideal. Die wichtigste Bewertung ist hier die Überanpassung des Modells, nicht die Nähe der Wahrscheinlichkeiten zu einem theoretischen Ideal.
Irgendwie schenken Sie meinen Beiträgen keine Aufmerksamkeit und konzentrieren sich auf Wahrscheinlichkeiten. Es spielt keine Rolle, wie die Wahrscheinlichkeit heißt, wichtig ist, dass das Modell übertrainiert ist, wenn es sich nicht verbessert, und zwar in die Tonne. Der Vorhersagefehler bei OOV, OOS und VNE sollte in etwa gleich groß sein.
Das Modell gibt nicht die richtigen Wahrscheinlichkeiten an, keine davon. Das ist die Geschichte. Sie haben vielleicht Beschriftungen vorhergesagt, die vollständig übereinstimmen, aber die Wahrscheinlichkeiten nicht.
Ich habe meinen Beitrag hinzugefügt. Jedes Modell liefert korrekte Wahrscheinlichkeiten in dem Sinne, dass der Klassifizierungsfehler nicht schwankt.
Irgendwie schenken Sie meinen Beiträgen keine Aufmerksamkeit und konzentrieren sich auf Wahrscheinlichkeiten. Es spielt keine Rolle, wie die Wahrscheinlichkeit heißt, wichtig ist, dass das Modell übertrainiert ist, wenn es sich nicht verbessert, und zwar in die Tonne. Der Vorhersagefehler bei OOV, OOS und VNU sollte etwa gleich groß sein.
Hier ist ein weiteres Histogramm
Anderer Algorithmus - anderes Histogramm, obwohl die Beschriftungen und Prädiktoren dieselben sind. Wenn Sie nach einer Art theoretischer Wahrscheinlichkeit suchen, die besagt, dass verschiedene Klassifizierungsalgorithmen die gleichen Histogramme erzeugen ... Das kommt mir nicht in den Sinn, da man mit bestimmten Algorithmen arbeiten muss, die Vorhersagen machen und bewertet werden müssen, und nicht nach einem theoretischen Ideal. Die wichtigste Bewertung ist hier die Überanpassung des Modells, nicht die Nähe der Wahrscheinlichkeiten zu einem theoretischen Ideal.
Aufgeben? Googeln Sie Klassifikationswahrscheinlichkeitskalibrierung, sie sollte in R.
zu finden sein.
Wir reden über unterschiedliche Dinge.
Ich schreibe über das Ergebnis, und Sie schreiben über das Ideal der Zwischendaten.
Für mich ist es offensichtlich, dass die Wahrscheinlichkeitswerte für bestimmte Bezeichnungen, die von RF und ada angegeben werden, unterschiedlich sind, aber die Vorhersagen für bestimmte Bezeichnungen sind fast identisch. Ich interessiere mich nicht für die Wahrscheinlichkeitswerte, sondern für den Vorhersagefehler.
Wenn Sie theoretisieren, ist es höchstwahrscheinlich unmöglich, die Klassenwahrscheinlichkeit in Ihrem Sinne zu erhalten, da Sie beweisen müssen, dass Ihre Wahrscheinlichkeit den Grenzwertsatz erfüllt, was sehr zweifelhaft ist.
Wir reden über verschiedene Dinge.
Ich schreibe über das Ergebnis, und Sie schreiben über das Ideal der Zwischendaten.
Die von RF und ada angegebenen Klassenwahrscheinlichkeiten sind unterschiedlich, aber die Vorhersagen für bestimmte Bezeichnungen sind fast gleich. Ich interessiere mich nicht für die Wahrscheinlichkeitswerte, sondern für den Vorhersagefehler.
Wenn Sie theoretisieren, ist es höchstwahrscheinlich unmöglich, die Klassenwahrscheinlichkeit in Ihrem Sinne zu erhalten, da Sie beweisen müssen, dass Ihre Wahrscheinlichkeit den Grenzwertsatz erfüllt, was sehr zweifelhaft ist.
Aber die ursprüngliche Frage war da, niemand hat sie beantwortet.
Warum eigentlich? Wenn im Sinne einer These....
Warum eigentlich? Wenn im Sinne einer These....