elibrarius # : 기능의 중요성을 평가하기 위해 여러 가지 방법을 비교 했습니다. 표준의 경우 가장 리소스를 많이 사용하는 항목을 선택했습니다. 즉, 기능을 하나씩 제거하여 모델을 훈련시키는 것입니다. 빠른 방법은 표준과 일치하지 않습니다. 그리고 그들은 일치하지 않습니다. fselector는 훨씬 더 빠르며 아무 것도 일치하지 않을 것이라고 생각합니다.
시원한..
이제 500,000개의 행과 1000개의 기능으로 시장 데이터에 대한 중요도를 계산하십시오.
20년 후, 거기에서 무엇을 세었는지 말해줘
그리고 일반적으로 이것이 시간이 지남에 따라 기능을 변경하는 문제와 어떤 관련이 있습니까?
어떤 순간에는 10%가 중요하고 또 다른 순간에는 0.05%가 중요할 수 있다는 것이 인생의 진실)
여기에서 교차 검증을 위해 익사하는 사람은 그녀가 뭔가 결정했다고 생각하고 얼굴을 붉힐 시간입니다. 시간입니다.
교차 검증이 그것과 어떤 관련이 있는지 명확하지 않습니까? 슬라이딩 윈도우 데이터는 각 모델에 사용됩니다. 교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다. 슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
elibrarius # : 교차 검증이 그것과 어떤 관련이 있는지 명확하지 않습니까? 슬라이딩 윈도우 데이터는 각 모델에 사용됩니다. 교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다. 슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
글쎄, 여기에 같은 너비의 슬라이딩 윈도우가 문제를 해결하지 못한다는 아이디어가 있습니다. 좋은 점은 각 단계에서 창 너비를 변경할 때마다 런의 치수를 늘려야 합니다. 다시 저주)))
elibrarius # : 교차 검증이 그것과 어떤 관련이 있는지 명확하지 않습니까? 슬라이딩 윈도우 데이터는 각 모델에 사용됩니다. 교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다. 슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
아직 안 일어났어?
특징의 중요성이 많이 변동한다는 것을 이해한다면 교차 검증의 의미가 없으며 명확하지 않다고 쓰여 있습니다.
이제 500,000개의 행과 1000개의 기능으로 시장 데이터에 대한 중요도를 계산하십시오.
20년 후, 거기에서 무엇을 세었는지 말해줘
작은 데이터에 대한 테스트는 빠른 방법이 잘 작동하지 않는다는 것을 보여줍니다. 기능의 중요성을 평가해야 하는 이유는 무엇입니까? 중요하지 않은 것을 제거하기 위해 앞으로 품질을 잃지 않고 모델을 더 빠르게 학습 시킬 수 있습니다. 이것은 이미 작동 중인 데이터와 모델의 튜닝일 뿐입니다. 그리고 나나 당신(내가 믿는 대로) 모두 아직 조정할 것이 없습니다.
그래서 저는 모델을 훈련하고 있습니다. 모델 자체는 중요한 것을 사용하고 중요하지 않은 것은 사용하지 않습니다.
특징의 중요성이 많이 변동한다는 것을 이해한다면 교차 검증의 의미가 없으며 명확하지 않다고 쓰여 있습니다.
일어났다) 동의하지 않는다. 교차 검증은 역사의 한 부분에서 우연히 성공한 모델을 폐기하는 기능입니다. 역사의 여러 섹션에서 테스트하면 그곳에서 작동하지 않을 수 있습니다. 교차 유효성 검사를 수행하고 기호와 모델이 떠 있음을 보여줍니다. 이 "수영"은 다른 방법인 교차 검증을 보여줍니다.
elibrarius # : 작은 데이터에 대한 테스트는 빠른 방법이 잘 작동하지 않는다는 것을 보여줍니다. 기능의 중요성을 평가해야 하는 이유는 무엇입니까? 중요하지 않은 것을 제거하기 위해 앞으로 품질을 잃지 않고 모델을 더 빠르게 학습 시킬 수 있습니다. 이것은 이미 작동 중인 데이터와 모델의 튜닝일 뿐입니다. 그리고 나나 당신(내가 믿는 대로) 모두 아직 조정할 것이 없습니다.
그래서 저는 모델을 훈련하고 있습니다. 모델 자체는 중요한 것을 사용하고 중요하지 않은 것은 사용하지 않습니다.
기능의 중요성을 평가하기 위해 여러 가지 방법을 비교 했습니다. 표준의 경우 가장 리소스를 많이 사용하는 항목을 선택했습니다. 즉, 기능을 하나씩 제거하여 모델을 훈련시키는 것입니다.
빠른 방법은 표준과 일치하지 않습니다. 그리고 그들은 일치하지 않습니다. fselector는 훨씬 더 빠르며 아무 것도 일치하지 않을 것이라고 생각합니다.
슬라이딩 창에서 기능의 중요성(지표 및 가격)
어떤 순간에는 10%가 중요하고 또 다른 순간에는 0.05%가 중요할 수 있다는 것이 인생의 진실)
여기에서 교차 검증을 위해 익사하는 사람은 그녀가 뭔가 결정했다고 생각하고 얼굴을 붉힐 시간입니다. 시간입니다.
슬라이딩 윈도우 데이터는 각 모델에 사용됩니다.
교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다.
슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
교차 검증이 그것과 어떤 관련이 있는지 명확하지 않습니까?
슬라이딩 윈도우 데이터는 각 모델에 사용됩니다.
교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다.
슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
글쎄, 여기에 같은 너비의 슬라이딩 윈도우가 문제를 해결하지 못한다는 아이디어가 있습니다. 좋은 점은 각 단계에서 창 너비를 변경할 때마다 런의 치수를 늘려야 합니다. 다시 저주)))
교차 검증이 그것과 어떤 관련이 있는지 명확하지 않습니까?
슬라이딩 윈도우 데이터는 각 모델에 사용됩니다.
교차 검증은 서로 다른 데이터 조각에 대해 훈련된 여러 모델의 훈련 결과를 일치시키는 데 사용됩니다.
슬라이딩 윈도우에 있지 않은 데이터에 대한 모델은 이 데이터의 다른 부분에 대해 학습할 수 있으며 교차 검증도 얻을 수 있습니다.
시원한..
기능의 중요성을 평가해야 하는 이유는 무엇입니까? 중요하지 않은 것을 제거하기 위해 앞으로 품질을 잃지 않고 모델을 더 빠르게 학습 시킬 수 있습니다. 이것은 이미 작동 중인 데이터와 모델의 튜닝일 뿐입니다. 그리고 나나 당신(내가 믿는 대로) 모두 아직 조정할 것이 없습니다.
그래서 저는 모델을 훈련하고 있습니다. 모델 자체는 중요한 것을 사용하고 중요하지 않은 것은 사용하지 않습니다.
아직 안 일어났어?
동의하지 않는다.
교차 검증은 역사의 한 부분에서 우연히 성공한 모델을 폐기하는 기능입니다. 역사의 여러 섹션에서 테스트하면 그곳에서 작동하지 않을 수 있습니다.
교차 유효성 검사를 수행하고 기호와 모델이 떠 있음을 보여줍니다.
이 "수영"은 다른 방법인 교차 검증을 보여줍니다.
글쎄, 여기에 같은 너비의 슬라이딩 윈도우가 문제를 해결하지 못한다는 아이디어가 있습니다. 좋은 점은 각 단계에서 창 너비를 변경할 때마다 런의 치수를 늘려야 합니다. 다시 저주)))
젠장, 태양이 거리에 있으니 수영복을 입고 정원에 갈 시간이야
작은 데이터에 대한 테스트는 빠른 방법이 잘 작동하지 않는다는 것을 보여줍니다.
기능의 중요성을 평가해야 하는 이유는 무엇입니까? 중요하지 않은 것을 제거하기 위해 앞으로 품질을 잃지 않고 모델을 더 빠르게 학습 시킬 수 있습니다. 이것은 이미 작동 중인 데이터와 모델의 튜닝일 뿐입니다. 그리고 나나 당신(내가 믿는 대로) 모두 아직 조정할 것이 없습니다.
그래서 저는 모델을 훈련하고 있습니다. 모델 자체는 중요한 것을 사용하고 중요하지 않은 것은 사용하지 않습니다.
그리고 출력에서 질적 특징을 생성하는 뉴런을 만들고 싶다면?
교차 검증(앞으로 걷기)에 따르면 왜 나쁜지 설명하지 않았습니다. 내 실험은 이것이 잘못된 모델/아이디어를 제거하는 효과적인 방법임을 보여줍니다.