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 anomalous inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a virtual ensemble to get the benefits of...
おそらく古典的なフィルターでは、if( Spred > 10 pt ){取引しないかマークアップ}。またはpipsではなく、平均スプレッド*2または*3....*10.
しかし、最近のような安っぽいもの（例えば、分位値回帰など）は必要ない。文献リストには載っているようだが、記事自体には載っていない。
Yandexのものが ある。
スプレッドのある時間帯のTSの排出がいかに簡単か。
スプレッドのある時間帯のTSの水抜きがいかに簡単か。
すなわち、スプレッド=7ptsでは50/50になる。
ECN口座ではEURUSDのスプレッドは通常0-5 (平均3) + 手数料として~4pts。
また、スワップは現在-7.7ptであり、いくつかの取引ではロールオーバーごとに+3.1ptが加算されます。
スプレッド+スワップはマークアップに考慮されるべきです。トレーニング中に成功した取引を考慮しないので、モデルはより良くなるかもしれません。
すなわち、スプレッド=7ptsでは50/50になります。
ECN口座ではEURUSDのスプレッドは通常0-5 (平均3) + 手数料として~4pts。
また、スワップは現在-7.7ptであり、いくつかの取引ではロールオーバーごとに+3.1ptが加算されます。
スプレッド+スワップはマークアップに考慮されるべきです。トレーニング中に成功した取引を考慮しないので、モデルはより良くなるかもしれません。
また、スプレッドは、どのようにマークアップしても、後で各取引から差し引かれるのであれば、どのようにマークアップに考慮されるのでしょうか？
また、どのようにマークアップしても、後で各取引から差し引かれる場合、マークアップのスプレッドをどのように考慮するか。
そのため、マークアップは決算結果に基づいて行う必要がある。取引をオープン・クローズし、その結果をマークアップに反映させる。これは正確な変形です。
または最悪の変形を差し引きます。ECNのEURUSDの場合、おそらく7-10pts、他の場合、特にクロスの場合はそれ以上かもしれません。+ 特にクロスの場合。
STD口座ではさらに悪い。
従って、マークアップは財務結果に基づくべきである。取引をオープン・クローズし、その結果をマークアップに移す。これは正確な変形です。
あるいは最悪の変形を差し引きます。ECNのEURUSDの場合、おそらく7-10pts、他の場合、特にクロスの場合はそれ以上でしょう。+ 特にクロスの場合。
STD口座ではさらに悪い。
私はそれをマークアップに移し、トレーニングの後、それはまだスプレッドに悪い感じです。
どうしたいんだ？私たちはほとんどランダム性を使って仕事をしている。半年前にここで投げられたコズールに関する最初の本のように、温度によってアイスクリームの需要が変わることを研究するようなものではない。）
何がお望みですか？ほとんど手当たり次第にやっている。Kozul)))のように気温によってアイスクリームの需要を調査するようなものではない。
zeekr 001が欲しい。
ヤンデックスから
ありがとうございます。豊富な文献が掲載された、質の高い興味深い記事です。
彼らは、興味深い不確実性の種類-属性に対する出力の確率的依存性-を考慮していないようだ。彼らは、属性やパラメータの不正確さに関連する不確実性という、他の2種類の不確実性を研究している。これらの不確実性は、美しく「alleatoric uncertainty」と「epistemic uncertainty」と呼ばれている。）
私たちの場合、属性の「測定誤差」は原理的に存在しないし、モデル・パラメータの不確実性は、私たちの「目標不確実性」から十分に分離可能である。