The task of searching for ranges/splits is solved by tree learning.度に関して度行を度行を 度 行を度行を度行を度行。 In quantisation it is just a counter + skipping of doubles.ー .
もしターゲットに関する訓練をしたツリーが安定性を与えない（あるいは非常に弱い安定性を与える）なら、ターゲットに関係のないカウンターはどうやって安定性を与えるのだろうか？Only random and sometimes randomly good segments, which in time will cease to be such.
私は定量化はまったく使わない。フロートのデータを探る方が好きなんだ。
私が理解する限り、"定量化"（ヒストグラム）はスピードアップのためにブスティングで使用され、スプリットのバリエーションが少なくなる。もしそうなら、その解決策は普遍的で良いが、特定のケースでは悪いかもしれない。
私が理解する限り、"定量化"（ヒストグラム）はスピードアップのためにブスティングで使用され、分割のためのバリエーションが少なくなる。もしそうなら、その解決策は普遍的で良いが、特定のケースでは悪いかもしれない。
そうですね。正則化によってスピードは上がります。しかし、正確な分割も失われます。
私は定量化はまったく使わない。フロートのデータを探る方が好きなんだ。
信じてもらえないのは残念だ。
あなたのサンプルで有効性を実証し、学習曲線を比較することができる。
そう、その通りだ。スピードが上がり、正則化のおかげと言える。しかし、正確なスプリットも失われる。
履歴の正確な分割。予測値の分布の性質がわかっていれば、数量化は特徴的な安定した振る舞いをする範囲を正確に選ぶことができます。トレーディングの場合、それは単に関連性があるだけである。
履歴の正確な分割。予測値の分布の性質がわかっていれば、定量化は特徴的な安定した振る舞いをする範囲を正確に選び出すことができる。トレーディングにとっては、まさに関連性がある。
In quantisation it is just a counter + skipping of doubles.ー
.
もしターゲットに関する訓練をしたツリーが安定性を与えない（あるいは非常に弱い安定性を与える）なら、ターゲットに関係のないカウンターはどうやって安定性を与えるのだろうか？Only random and sometimes randomly good segments, which in time will cease to be such.
範囲/分割を検索するタスクは、トレーニング中にツリーによって解決される。少なくとも、ターゲットに対して行を区切る意味のある式がある。定量化では、カウンタ＋ダブルスのスキップだけである。定量化はターゲット関数をチェックすることなく行われる。 。
もしターゲットに関する訓練をしたツリーが安定性を与えない（あるいは非常に弱い安定性を与える）なら、ターゲットに関係のないカウンターはどうやって安定性を与えるのだろうか？ランダムな、時にはランダムな良いセグメントだけである。
量子テーブルは各予想台に選択されなければならない。幸運なランダムが当たったとして、私が識別したいのはそれだ。ランダムかどうか。100％の信頼性はないが、30％のランダム性を排除するだけでも、学習済みモデルの質を向上させることができる。
私は分割推定機能（アルゴリズム）を開発中で、木の欠点である欲を減らすことができるはずだ。
もちろん、私は何年もこのテーマに取り組んできたし、さまざまなサンプルで多くの実験をしてきたし、アプローチの有効性に関する統計も取ってきた。
量子テーブルは、各予測器に対して選択されなければならない。例えば、ラッキーなランダムが当たったとしよう。ランダムかどうか。
もしターゲットが量子化ポイントの選択に関与していないのであれば、ターゲットに関してランダムでないわけがない。ランダムだけです。
定量化ポイントの選択にターゲットが関与していないのであれば、ターゲットに対してランダムでないわけがない。ランダムなだけだ。
ランダムだが、パターンはランダムではない。つまり、それは将来も続く。推定は同じターゲットを考慮する。
一方、予測対象を考慮した量子セグメントに、より正確に即座に分割することを防ぐ者はいない。一方、ターゲットを考慮した量子セグメントに予測子をより正確に一度に分割することを誰も妨げない。
最適な分割点を見つけることがツリーのタスクであり，それによって，ターゲットの右セクションと左セクションのクラスの純度が最大になります．
量子化中に純度を推定したいのですか？基本的には、後でツリーが行うのと同じことをしたいのです。定量化をオフにすれば、望むものが得られます。ツリーはターゲットから最適な分割点を選ぶ。
ツリーのタスクは、ターゲットとなる右クラスと左クラスの純度が最大になるように、最適な分割点を見つけることである。
量子化中に純度を推定したいのですか？基本的には、後でツリーが行うのと同じことをしたいのです。定量化をオフにすれば、望むものが得られます。木は、ターゲットが与えられたときに最適な分割点を選ぶ。
最良」が最良の選択でないことが多いことを説明するのはうんざりだ。
まるで宗教でもやっているかのように......。