а можно первые 1000 строк разделить на 99 квантов. а 315 или 88 или 4121 - не в какой то супер хитрой формуле где строки объединяются по предсказательной способности, которой вы хотите делать поиск критериев оценки этого квантового отрезка. что там гениальные методы квантования или что-то типа такого. характеризующих выборку, которая попала в квантовый отрезок
つまり、あるクラスに属する確率が全範囲の平均よりもxパーセント大きい塊（量子セグメント）を特定するために、ある範囲のデータを断片的に評価することである。
定量化とは何か？）
少し前にcatbustのコードがあった。
私が言及した文脈では、データの範囲を断片的に評価して、あるクラスに属する確率が全範囲の平均よりxパーセント高い断片（量子セグメント）を特定することです。
少し前にcatbustaからコードがあった。
それを見れば、何が起こっているかがわかるだろう。
少し前にcatbustaからコードがあった。
複雑だ。カラムをソートして32分割し、例えば重複があればすべて量子に放り込む。列が0と1しかない場合は、32ではなく2つの量子になる（重複があるため）。ブーストと利益の最大化はどうなっている？
特にブースティングは）滑らかさが必要で、グラデーションとヘシアンがある。利益はそうではないので、どうやって平滑化するかを考える必要がある。
最近ここに書いたシングルツリーのローカルバリアントで今のところ十分だ。
私が言及した文脈では、データの範囲を断片的に評価して、あるクラスに属する確率が範囲全体の平均よりもxパーセント大きい塊（量子セグメント）を特定することである。
要するに、各予測子について個別にツリーが構築されることがわかります。
今のところ、特にブスティングには無理だ）そこには滑らかさが必要だから、グラデーションとヘシアンが必要だ。利益はそうならないだろうから、どうやって滑らかにするかを考える必要がある。
先日ここに書いたシングルツリーのローカルバリアントで今のところ十分だ。
リンクを貼ったビデオはご覧になりましたか？
そこにいた男は、RLを介して滑らかでない木を滑らかな木に変換する方法について話していたところだ。
木を見て森を見ずとはよく言ったものだ。葉っぱを摘んで木が見えるかどうか。 森について聞いているのではない。
あなたが知っているアルゴリズムはこれだけですか？それとも最も効率的なのか？なぜそれにこだわる？
一過性の考えだ。
幸運を祈る
この質問は非常に重要です。私の答えは、予測変数が均質な場合（例えば、写真のピクセルや直近のN本のローソク）、クラスの形状は任意である可能性があり、ルールはあまり適切ではありません。予測変数が不均質な場合（例えば、価格と時間）、クラスの形はルールで与えられた長方形になる可能性が高い。
もちろん、これには明確な正当性はなく、単なる仮説です。
私がリンクしたビデオを見た？
そこでは、RLを介して非スムーズをスムースに変換する方法について話しているだけだった。
違う数学だと思う。私自身が完全に理解しているわけではないので、うまく説明できない。ブスティングでは関数による勾配だが、ビデオではネットワークの重みによる通常の勾配だ。
。
データを記述する予測値の範囲です。
RSIを使った画像があります。