L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 2315

 
Maxim Dmitrievsky:
l'explique vraiment de telle manière qu'il est plus facile de demander aux Napoléons dans un asile d'aliénés.

En physique quantique, il n'y a pas de prédictions, il y a des calculs d'incertitudes, ou de probabilités))).

 
Valeriy Yastremskiy:

En physique quantique, il n'y a pas de prédictions, il y a des calculs d'incertitudes, ou bien, de probabilités).

Le champ d'application semble avoir été effleuré, mais pas du tout révélé. Au lieu de cela, du porridge de babouchkas a commencé.

 
Maxim Dmitrievsky:

le champ d'application semblait être effleuré, mais pas du tout révélé. Au lieu de cela, une sorte de bafouillage a commencé...

Du charabia d'aujourd'hui sur l'IA et la quasi IA en science, moins d'un centième de pour cent.....

D'accord ?

 
Valeriy Yastremskiy:

Sur l'ensemble de l'argent consacré aujourd'hui à l'IA et à la quasi-IA, moins d'un centième de pour cent sera consacré à la science.....

D'accord ?

dépend de quelle science)

il y a des astuces intéressantes de reconversion, mais ils ne les ont pas divulguées, et je n'ai pas encore trouvé où lire à ce sujet.
 
Maxim Dmitrievsky:

cela dépend de quelle science)

il y a des caractéristiques intéressantes de la reconversion, mais ils ne les ont pas divulguées, et je n'ai pas trouvé d'autre endroit où lire à ce sujet.

la science est une connaissance qui est utilisée. quel que soit le nom de la science))))

 
Maxim Dmitrievsky:

prévoir l'incertitude est une chose intéressante


Ils ont un lien vers un article là - à première vue, juste l'habituel Bayesian plus les distributions normales.

Uncertainty in Gradient Boosting via Ensembles
  • arxiv.org
For many practical, high-risk applications, it is essential to quantify uncertainty in a model's predictions to avoid costly mistakes. While predictive uncertainty is widely studied for neural networks, the topic seems to be under-explored for models based on gradient boosting. However, gradient boosting often achieves state-of-the-art results on tabular data. This work examines a probabilistic ensemble-based framework for deriving uncertainty estimates in the predictions of gradient boosting classification and regression models. We conducted experiments on a range of synthetic and real datasets and investigated the applicability of ensemble approaches to gradient boosting models that are themselves ensembles of decision trees. Our analysis shows that ensembles of gradient boosting models successfully detect anomaly inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a \emph{virtual} ensemble to get the...
 
Aleksey Nikolayev:

Ils ont un lien vers un article là - à première vue, cela ressemble juste à un Bayes normal plus des distributions normales.

Je n'ai pas encore trouvé sur quel bouton appuyer pour obtenir de meilleurs résultats de classification.

pour la régression, juste un exemple

J'ai compris que l'échantillonnage par gradient maximal est utilisé par défaut (comme une nouvelle fonctionnalité).

ou c'est juste par défaut et je n'ai pas besoin de faire quoi que ce soit

Au fait, catbust est très cool en termes de reconversion... mais il est très difficile de le faire se reconvertir. Si la base de données est merdique... ...il apprendra mal et ne se souviendra pas de toutes les options.
 

Je regarde une autre vidéo pour l'instant.


 
Valeriy Yastremskiy:

la science est une connaissance qui est utilisée. quel que soit le nom de la science))))

tout est OK là avec la connaissance, ce sont juste les champs d'application qui doivent être examinés.

L'algorithme de boosting lui-même est toujours très cool. Si seulement il y avait de bons haut-parleurs dans le studio.
 
Maxim Dmitrievsky:

il n'y a rien de mal à avoir des connaissances, il faut juste regarder les domaines d'application

L'algorithme de boosting lui-même est toujours très cool. Si seulement il y avait plus de haut-parleurs normaux dans le studio...

(par exemple, si vous êtes un homme d'affaires et que vous savez quelque chose (par exemple, si vous êtes un homme d'affaires et que vous savez quelque chose)))). Sans connaissance, il n'y a pas de connaissance)) Au stade intermédiaire, tout peut arriver, les périodes de changement sont généralement comme le SB))).