Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1333

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

Ожидаю что хоть модели не будут похожи на те, что до обмены местами выборок.

ну будут не похожи и что дальше? )

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

ну будут не похожи и что дальше? )

Это будет хорошо, так-как их можно параллельно использовать тогда.

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

Это будет хорошо, так-как их можно параллельно использовать тогда.

ну да, пальем в небо, т.е. оптимальное решение не найдено

еще seed поменяйте и наклепайте кучу мусора

[Vladimir Perervenko]

Maxim Dmitrievsky:

похоже, надо подкачать R а не питон, Ренат написал что скоро будет прямая связка без костылей

т.е. катбуст можно будет запускать в 1 строку из мт5

Я наверное пропустил это сообщение. Не подскажите когда это было или ссылку.

Удачи

[Maxim Dmitrievsky]

Vladimir Perervenko:

Я наверное пропустил это сообщение. Не подскажите когда это было или ссылку.

Удачи

Да, было вскользь вот тут 

https://www.mql5.com/ru/forum/302625/page8#comment_10568532

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

ну да, пальем в небо, т.е. оптимальное решение не найдено

еще seed поменяйте и наклепайте кучу мусора

Что значит пальцем в небо? Две параллельно работающие модели это хороший вариант, почему нет?

Seed конечно буду и дальше менять, пока не услышу вменяемых аргументов - какая разница кто его крутит я или генератор случайных цифр - не ясно. Скоро ещё модели подоспеют с параметром "--bagging-temperature" - наверное так же мусор по Вашей классификации, а мне интересно взглянуть.

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

Что значит пальцем в небо? Две параллельно работающие модели это хороший вариант, почему нет?

Seed конечно буду и дальше менять, пока не услышу вменяемых аргументов - какая разница кто его крутит я или генератор случайных цифр - не ясно. Скоро ещё модели подоспеют с параметром "--bagging-temperature" - навное так же мусор по Вашей классификации, а мне интересно взглянуть.

если они работающие, то почему бы и нет

просто вопрос в том что вы можете увеличить эффективность в разы, применив очень простые приемы

я специально о них не пишу открыто, потому что хочу что бы вы почитали книгу. И вообще там много такого зарыто, что может по прямой вывести на хорошие модели. Но только тссс...

про багинг температуру интересно посмотреть, на знаю что имеется в виду

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

если они работающие, то почему бы и нет

просто вопрос в том что вы можете увеличить эффективность в разы, применив очень простые приемы

я специально о них не пишу открыто, потому что хочу что бы вы почитали книгу. И вообще там много такого зарыто, что может по прямой вывести на хорошие модели. Но только тссс...

про багинг температуру интересно посмотреть, на знаю что имеется в виду

Я посмотрел про МГУА, не знаю к какой это книге конкретно относится, но с таким названием не ищется. Как я понял, эта вещь используется в CatBoost

--l2-leaf-reg l2-leaf-regularizer

L2 regularization coefficient. Used for leaf value calculation. Any positive values are allowed.

3

CPU and GPU

Или речь о чем то другом? Ещё этот метод можно использовать при создании самих предикторов, к примеру для описания паттернов на определенных участках.

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

Я посмотрел про МГУА, не знаю к какой это книге конкретно относится, но с таким названием не ищется. Как я понял, эта вещь используется в CatBoost

--l2-leaf-reg l2-leaf-regularizer

L2 regularization coefficient. Used for leaf value calculation. Any positive values are allowed.

3

CPU and GPU

Или речь о чем то другом? Ещё этот метод можно использовать при создании самих предикторов, к примеру для описания паттернов на определенных участках.

ну это регуляризация Тихонова, а где багинг температура?

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

ну это регуляризация Тихонова, а где багинг температура?

Но смысл кажется тот же, нет? Я просто вообще не знаю, что там внутри за алгоритм...

--bagging-temperature

Defines the settings of the Bayesian bootstrap. It is used by default in classification and regression modes. Use the Bayesian bootstrap to assign random weights to objects. The weights are sampled from exponential distribution if the value of this parameter is set to “1”. All weights are equal to 1 if the value of this parameter is set to “0”. Possible values are in the range . The higher the value the more aggressive the bagging is.

1