간단한 알고리즘이 예측자 집합의 제한된 부분에서만 작동하는 것은 매우 정상적으로 보입니다.
샘플에서 "좋은" 상자에 해당하는 것을 단계적으로 제거하고 나머지 부분에 알고리즘을 적용할 수 있습니다. 본질적으로는 부스팅과 비슷할 것입니다. 아마도 랜덤 포레스트와 비슷하게 할 수 있습니다. 큰 예측자 집합을 가져와 각 하위 집합에 대해 여러 개의 상자를 찾는 것입니다.
내가 올바르게 이해한다면 예측자를 결합하는 요점은 식별 된 상자를 서로 겹치지 않도록 배열하는 것이며, 겹치더라도 결과를 크게 악화시키지 않습니까?
내가 올바르게 이해한다면 예측 변수를 결합하는 요점은 식별 된 상자가 서로 겹치지 않도록 배열하는 것이며, 겹치면 결과가 크게 악화되지 않습니까?
감지 된 상자로 무엇을해야하는지에 대한 질문은 복잡하고 가능한 모든 경우에 대한 명확한 모호하지 않은 규칙이 거의 없다고 생각합니다. 좋은, 잘 생각한 알고리즘은 아마도 꽤 비밀스러운 "노하우"일 것입니다.)
동일한 예측자 세트에서 케이스를 얻은 경우 교차하지 않는 것으로 충분할 수 있습니다. 교차점이 있는 경우 별도의 상자에 할당할 수 있으며, 그 상자를 여러 개의 상자로 분할할 수 있습니다. 그러나 상자의 수가 너무 많으면 샘플이 너무 많이 조각화됩니다. 따라서 상자의 개념을 규칙의 언어로 일반화할 수 있는데, 이는 AND에 부정과 OR을 추가하는 것을 의미합니다.
완전히 다른 예측 변수(예: 랜덤 포레스트 방법)에서 박스를 얻은 경우, 박스는 그 안에 해당하는 샘플 부분의 의미에서만 겹칠 수 있습니다. 여기에는 아마도 포트폴리오에 가까운 아이디어가 필요할 것입니다.
예측자 집합이 부분적으로 겹치는 경우, 아마도 여러 가지 접근 방식이 혼합되어 있을 수 있지만 확실하게 말하기는 어렵습니다.
이것을 어떻게 통합된 계획에 넣을 수 있는지 명확하지 않습니다. 의사 결정 트리를 간단하고 "멋지게" 구성하는 표준 방식은 이러한 문제를 우회하기 때문에 우리의 목적에 적합하지 않습니다. 가지 치기 알고리즘을 선택하여 개선 할 수 있지만 제 생각에는 규칙 구성 알고리즘을 창의적으로 재 작업하는 것이 좋습니다.
와이!
"활동가"와는 달리 특별한 교육과 경험이 있다는 것을 이해합니다 .... (이혼 센터에서 경제학 및 전문 경험이 있습니까?).
하지만 몇 번이나 그들을 놀리실 수 있습니까?
와이!
"활동가"와는 달리 특별한 교육과 경험이 있다는 것을 이해합니다 .... (이혼 센터에서 경제학 및 전문 경험이 있습니까?).
하지만 몇 번이나 놀리실 수 있나요?
오, 스털리츠/카운터스털리츠가 여기 있네요.)
괜찮습니다... 구부러짐과 이물질이있는 일반 채널이지만 채널은 안정적입니다)))).
간단한 알고리즘이 예측자 집합의 제한된 부분에서만 작동하는 것은 매우 정상적으로 보입니다.
샘플에서 "좋은" 상자에 해당하는 것을 단계적으로 제거하고 나머지 부분에 알고리즘을 적용할 수 있습니다. 본질적으로는 부스팅과 비슷할 것입니다. 아마도 랜덤 포레스트와 비슷하게 할 수 있습니다. 큰 예측자 집합을 가져와 각 하위 집합에 대해 여러 개의 상자를 찾는 것입니다.
내가 올바르게 이해한다면 예측자를 결합하는 요점은 식별 된 상자를 서로 겹치지 않도록 배열하는 것이며, 겹치더라도 결과를 크게 악화시키지 않습니까?
그냥 장난치는 거예요 있는 그대로 말하는 거예요
당신은 비하인드 스토리를 보지 못했을 뿐이죠.
;)
여러분은 비하인드 스토리를 보지 못했을 뿐입니다.
;)
내가 올바르게 이해한다면 예측 변수를 결합하는 요점은 식별 된 상자가 서로 겹치지 않도록 배열하는 것이며, 겹치면 결과가 크게 악화되지 않습니까?
감지 된 상자로 무엇을해야하는지에 대한 질문은 복잡하고 가능한 모든 경우에 대한 명확한 모호하지 않은 규칙이 거의 없다고 생각합니다. 좋은, 잘 생각한 알고리즘은 아마도 꽤 비밀스러운 "노하우"일 것입니다.)
동일한 예측자 세트에서 케이스를 얻은 경우 교차하지 않는 것으로 충분할 수 있습니다. 교차점이 있는 경우 별도의 상자에 할당할 수 있으며, 그 상자를 여러 개의 상자로 분할할 수 있습니다. 그러나 상자의 수가 너무 많으면 샘플이 너무 많이 조각화됩니다. 따라서 상자의 개념을 규칙의 언어로 일반화할 수 있는데, 이는 AND에 부정과 OR을 추가하는 것을 의미합니다.
완전히 다른 예측 변수(예: 랜덤 포레스트 방법)에서 박스를 얻은 경우, 박스는 그 안에 해당하는 샘플 부분의 의미에서만 겹칠 수 있습니다. 여기에는 아마도 포트폴리오에 가까운 아이디어가 필요할 것입니다.
예측자 집합이 부분적으로 겹치는 경우, 아마도 여러 가지 접근 방식이 혼합되어 있을 수 있지만 확실하게 말하기는 어렵습니다.
이것을 어떻게 통합된 계획에 넣을 수 있는지 명확하지 않습니다. 의사 결정 트리를 간단하고 "멋지게" 구성하는 표준 방식은 이러한 문제를 우회하기 때문에 우리의 목적에 적합하지 않습니다. 가지 치기 알고리즘을 선택하여 개선 할 수 있지만 제 생각에는 규칙 구성 알고리즘을 창의적으로 재 작업하는 것이 좋습니다.
저도 봤어요. 얼마 전까지만 해도 원숭이 때문에 웃고 있었죠.
인형극에도 백스테이지가 있으니 말이 되죠.)
인형극에도 백스테이지가 있으니 말이 되죠)
:D