Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3386
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Se puede hacer, pero ¿dónde está la garantía de que la partición es correcta, de acuerdo con la partición interna de las neuronas?
Si te vas a agrupar, no son los ejemplos, es la última capa de neuronas.
No, sólo ejemplos. No se pueden construir reglas a partir de las últimas capas neuronales.
Dejadme crear una muestra de datos y que cada uno aplique su metodología y veremos
No he probado este enfoque, sólo pienso en voz alta sobre cómo sacar reglas de cualquier modelo. Luego se puede jugar con ello.
Parece que han dejado de traducir los artículos o no tienen tiempo. La sección en inglés ya está llena de artículos sobre python y onnx :)) Y ha aparecido un artículo sobre R.
En general, los artículos son inútiles en términos de CT. Más o menos lo mismo que en Medium, escriben por escribir.
Ahora identifique todas las reglas relacionadas linealmente y elimínelas como reglas redundantes
¿Cómo se define este acoplamiento lineal? ¿Puede explicarlo?
Simplemente elimino las reglas que son muy similares, la similitud se determina por los puntos de activación.
¿Cómo se define esta relación lineal? ¿Puede explicarlo?
Simplemente elimino las reglas que son muy similares, determino la similitud por los puntos de activación.
He publicado el código.
Esperaba que pudieras describir el proceso con tus propias palabras.
Bien, aquí está el traductor:
"
Detalles
La descomposición QR se utiliza para determinar si una matriz tiene rango completo, y luego para identificar los conjuntos de columnas que están involucrados en las dependencias.
Para "resolverlas", se eliminan iterativamente las columnas y se vuelve a comprobar el rango de la matriz.
La función trim.matrix del paquete subselect también puede utilizarse para lograr el mismo objetivo.
"
No queda mucho claro en la descripción, para empezar la pregunta es de qué matriz estamos hablando, ¿cómo se obtiene?
Si las reglas en la hoja se han ejecutado, esta es la activación de la hoja, lo que significa que la hoja se utiliza en la formación de la respuesta final del modelo. Se construye una tabla con el número de hojas y cada fila se etiqueta como activada, si lo está - "1", si no lo está - "0".