Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 1919

Новый комментарий
 

Кстати, выше с островами картинка - это после моего метода преобразования предикторов, а вот так выглядит исходаня выборка, до преобразований


Две туманности...

Данные по сути одни и те же, а вот результат, даже визуально, разный. Поэтому не знаю, как использовать этот инструмент, разве что как оценку готовности выборки к обучению....

 
Aleksey Vyazmikin:

Ну вот 3D модель допустим, которая открывается в отдельном окне и даже нет возможности как то скрин сделать, вот её можно так сохранить, а потом просто просто из чистого листа загрузить и появится модель?

можешь даже новые данные распознавать ею 

 
mytarmailS:

Ну это кластера, похоже объекты  в многомерном пространстве объединились в такие сгустки в трехмерном пространстве, что б  ты смог посмотреть на свои 100-500 мерные данные в трех мерном виде , и как то оценить их структуру

Может целевых должно быть по числу этих островов? Не понимаю качественную оценку этой визуализации.

тут как то должны быть заданы цвета - задник вижу, что черный, а остальные - 1,2,3 - как это переводить в цвет?

target <- as.factor(target)  #  target нужен для того чтобы окрасить точки в цвет целевой

scatter3d(x = um.res[,1], 
          y = um.res[,2], 
          z = um.res[,3],
          groups = target,
          grid = FALSE, 
          surface = FALSE,
          ellipsoid = FALSE,
            bg.col = "black")
 
mytarmailS:

можешь даже новые данные распознавать ею 

Это что имеется в виду, какие данные? Откуда?

 
Aleksey Vyazmikin:

Может целевых должно быть по числу этих островов? Не понимаю качественную оценку этой визуализации.


ты пойми, кластера эти , это объективная реальность, реальная структура твоих данных...

целевая твоя - это субъективная реальность (отсебятина) потому метки твоих классов никак не связаны с структурой кластеров

Посмотри пример и ирисами и все поймешь 


тут как то должны быть заданы цвета - задник вижу, что черный, а остальные - 1,2,3 - как это переводить в цвет?

Посмотри в мануале что в комментариях там все есть 

 
Aleksey Vyazmikin:

Это что имеется в виду, какие данные? Откуда?

)))

Ну как с обычными сетями форестами, новые данные появились, их можно распознать сохраненной моделью

 
mytarmailS:

ты пойми, кластера эти , это объективная реальность, реальная структура твоих данных...

целевая твоя - это субъективная реальность (отсебятина) потому метки твоих классов никак не связаны с структурой кластеров

Так вот и интересно стало, а что если разметить эту выборку по этим островам и уже внутри них делать обучение моделей.

Разные кластеры говорят о разных факторах влияющих на результат, точней на разный их вес, я так понимаю.

Только как это разделение сделать...


Вот кстати под другим углом все те же полные данные - видны 4 кластера


 
Aleksey Vyazmikin:

Поэтому не знаю, как использовать этот инструмент, разве что как оценку готовности выборки к обучению....

Используй по назначению - визуализация многомерного пространства для оценки структуры данных, есть ли кластера или это облако точек итп

 
Aleksey Vyazmikin:

Так вот и интересно стало, а что если разметить эту выборку по этим островам и уже внутри них делать обучение моделей.

значит нужно применить кластеризацию kmeans например или чего по круче, ща погоди

запусти это

km <- kmeans(um$layout, centers = 4)

centers - это сколько кластеров ты хочешь найти

а теперь 

as.factor(km$cluster)

поставь вместо target


тут

  

 

как тут стало красиво, картинки

зачитаешься!

продолжайте господа, очень внимательно наблюдаю за процессом

1...191219131914191519161917191819191920192119221923192419251926...3510
Новый комментарий
Причина обращения: