Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3080
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Мастера ИИ, телефон предтоповый, Луна ну просто капец, в живую она крайне оотточеная острая, ИИ камеры сделал ее как полумесяц) визуально там новолуние, очень красивое
Да видел сегодня - понравилось.
Хочу вернуться к статье https://arxiv.org/pdf/2201.12692.pdf ввиду зашкаливающей модности причинного вывода в МО.
Итак, что я вынес из статьи.
Автор, взяв один самых известных алгоритмов МО - RF, проанализировал изменения ошибки, меняя способ формирования входных данных и объем выборки. При этом ошибку он разделил на дисперсию и смещение, которые, по его мнению, можно складывать. Смещение показано на рисунке по отношению к некоторому идеалу, который не понятно откуда взялся.
В статье сделан не первой свежести вывод, что лучше всего перекрестная подгонка, причем фолды должны быть не меньше, чем при полной выборке.
Но это не самое главное, что побудило написать.
Данная статья прекрасная иллюстрация рекламного продвижения банальных результатов.
Само название «Causal Effects» тыкает нас носом в нашу отсталость, так как изучая разные там синусы мы не понимали, что это результат Causal Effects от подачи входных данных на вход sin и получения результата.
Автор берет RF, подает на вход входные данные и в результате получает ошибку.
Чтобы все понимали, что мы имеем дело с совершенно новым направлением в МО, то входные данные (предикторы) называются ковариатами, алгоритм RF называется мета учеником, а весь процесс - Causal Effects.
Апологетам Causal Effects невдомек, что иногда на русском ковариатами называются те предикторы, которые имеют влияние не только на целевую переменную, но и на соседние предикторы, т.е. следует точнее использовать термин во избежание неоднозначности.
Назвать алгоритм RF «мета учеником» - это очередной рекламный трюк в Causal Effects, так как этот алгоритм производит правилам уж точно НЕ является учеником. Но с рекламной точки зрения в машинном ОБУЧЕНИИ должны быть ученики и для важности «мета» и баста.
В статье достаточно подробно обосновывается выбор RF в качестве базового алгоритма, причем специально оговаривается, что вместо RF может быть использован любой (?) алгоритм МО. В качестве обобщения этой мысли используется термин nuisance, т.е. неприятный, несносный, досадный. Если по тексту, то скорее всего следует перевести как «функция шума», т.е. алгоритм RF – это «функция шума». Но ведь как замысловато и красиво звучит, а главное читатель, который ранее считал, что RF производит правила с некоторой ошибкой, просто балдеет.
Можно продолжить, но и перечисленного достаточно, чтобы отнести весь этот Causal Effects к чисто рекламе, кстати весьма успешной, когда реальную чепуху продали и получили место профессора в Стэнфордском университете, получили последователей, желающих не отставать от новых передовых течений.
Кто же автор предполагаемого новейшего направления в МО? Если судить по количеству ссылок, то некто Виктор Черножуков, человек НЕ имеющий профильного образования – окончил с/х институт в начале 90-х. Прекрасно помню это время, когда миллионы черножуковых под крики о незамутненности сознания образованием и фактами, бегали и двигали разного рода чепуху. и многие из них стали миллиардерами и топовыми политиками.
Сегодня весь мир живет по законам рекламы, все сферы, думал, что МО минет сия чаша. Ан, нет.
Данная статья прекрасная иллюстрация рекламного продвижения банальных результатов.
Само название «Causal Effects» тыкает нас носом в нашу отсталость, так как изучая разные там синусы мы не понимали, что это результат Causal Effects от подачи входных данных на вход sin и получения результата.
Автор берет RF, подает на вход входные данные и в результате получает ошибку.
Чтобы все понимали, что мы имеем дело с совершенно новым направлением в МО, то входные данные (предикторы) называются ковариатами, алгоритм RF называется мета учеником, а весь процесс - Causal Effects.
Апологетам Causal Effects невдомек, что иногда на русском ковариатами называются те предикторы, которые имеют влияние не только на целевую переменную, но и на соседние предикторы, т.е. следует точнее использовать термин во избежание неоднозначности.
Назвать алгоритм RF «мета учеником» - это очередной рекламный трюк в Causal Effects, так как этот алгоритм производит правилам уж точно НЕ является учеником. Но с рекламной точки зрения в машинном ОБУЧЕНИИ должны быть ученики и для важности «мета» и баста.
В статье достаточно подробно обосновывается выбор RF в качестве базового алгоритма, причем специально оговаривается, что вместо RF может быть использован любой (?) алгоритм МО. В качестве обобщения этой мысли используется термин nuisance, т.е. неприятный, несносный, досадный. Если по тексту, то скорее всего следует перевести как «функция шума», т.е. алгоритм RF – это «функция шума». Но ведь как замысловато и красиво звучит, а главное читатель, который ранее считал, что RF производит правила с некоторой ошибкой, просто балдеет.
Можно продолжить, но и перечисленного достаточно, чтобы отнести весь этот Causal Effects к чисто рекламе, кстати весьма успешной, когда реальную чепуху продали и получили место профессора в Стэнфордском университете, получили последователей, желающих не отставать от новых передовых течений.
Кто же автор предполагаемого новейшего направления в МО? Если судить по количеству ссылок, то некто Виктор Черножуков, человек НЕ имеющий профильного образования – окончил с/х институт в начале 90-х. Прекрасно помню это время, когда миллионы черножуковых под крики о незамутненности сознания образованием и фактами, бегали и двигали разного рода чепуху. и многие из них стали миллиардерами и топовыми политиками.
Сегодня весь мир живет по законам рекламы, все сферы, думал, что МО минет сия чаша. Ан, нет.
Данная статья прекрасная иллюстрация рекламного продвижения банальных результатов.
Само название «Causal Effects» тыкает нас носом в нашу отсталость, так как изучая разные там синусы мы не понимали, что это результат Causal Effects от подачи входных данных на вход sin и получения результата.
Автор берет RF, подает на вход входные данные и в результате получает ошибку.
Чтобы все понимали, что мы имеем дело с совершенно новым направлением в МО, то входные данные (предикторы) называются ковариатами, алгоритм RF называется мета учеником, а весь процесс - Causal Effects.
Апологетам Causal Effects невдомек, что иногда на русском ковариатами называются те предикторы, которые имеют влияние не только на целевую переменную, но и на соседние предикторы, т.е. следует точнее использовать термин во избежание неоднозначности.
Назвать алгоритм RF «мета учеником» - это очередной рекламный трюк в Causal Effects, так как этот алгоритм производит правилам уж точно НЕ является учеником. Но с рекламной точки зрения в машинном ОБУЧЕНИИ должны быть ученики и для важности «мета» и баста.
В статье достаточно подробно обосновывается выбор RF в качестве базового алгоритма, причем специально оговаривается, что вместо RF может быть использован любой (?) алгоритм МО. В качестве обобщения этой мысли используется термин nuisance, т.е. неприятный, несносный, досадный. Если по тексту, то скорее всего следует перевести как «функция шума», т.е. алгоритм RF – это «функция шума». Но ведь как замысловато и красиво звучит, а главное читатель, который ранее считал, что RF производит правила с некоторой ошибкой, просто балдеет.
Можно продолжить, но и перечисленного достаточно, чтобы отнести весь этот Causal Effects к чисто рекламе, кстати весьма успешной, когда реальную чепуху продали и получили место профессора в Стэнфордском университете, получили последователей, желающих не отставать от новых передовых течений.
Кто же автор предполагаемого новейшего направления в МО? Если судить по количеству ссылок, то некто Виктор Черножуков, человек НЕ имеющий профильного образования – окончил с/х институт в начале 90-х. Прекрасно помню это время, когда миллионы черножуковых под крики о незамутненности сознания образованием и фактами, бегали и двигали разного рода чепуху. и многие из них стали миллиардерами и топовыми политиками.
Сегодня весь мир живет по законам рекламы, все сферы, думал, что МО минет сия чаша. Ан, нет.
Это просто апофеоз вашей профнепригодности, когда новая информация никак уже не заходит в чашу. Либо проблемы с переводом. Остается только посочувствовать :)
Это просто апогей вашей профнепригодности, когда новая информация никак уже не заходит в чашу. Либо проблемы с переводом. Остается только посочувствовать :)
все термины перевраны, основная информация искажена до неузнаваемости
Можете донести до плебса неискаженную информацию?
...
В статье достаточно подробно обосновывается выбор RF в качестве базового алгоритма, причем специально оговаривается, что вместо RF может быть использован любой (?) алгоритм МО. В качестве обобщения этой мысли используется термин nuisance, т.е. неприятный, несносный, досадный. Если по тексту, то скорее всего следует перевести как «функция шума», т.е. алгоритм RF – это «функция шума». Но ведь как замысловато и красиво звучит, а главное читатель, который ранее считал, что RF производит правила с некоторой ошибкой, просто балдеет.
...
Я читал и искал практический смысл применения этого всего - значит Вы его не нашли?
Мне казалось, что статья должна дать инструмент для оценки измерения отклонения участка совокупной выборки от выборки на котором происходило обучение. Соответственно имея этот инструмент можно детектировать аномальные участки выборки. Есть он там или нет на Ваш взгляд?
Можете донести до плебса неискаженную информацию?
могу посочувствовать
думал, что МО минет ..... Ан, нет.
И я того же мнения))
Эти глубокие слова описывают всю эту веткуЯ читал и искал практический смысл применения этого всего - значит Вы его не нашли?
Мне казалось, что статья должна дать инструмент для оценки измерения отклонения участка совокупной выборки от выборки на котором происходило обучение. Соответственно имея этот инструмент можно детектировать аномальные участки выборки. Есть он там или нет на Ваш взгляд?
Этого в статье нет.
Описана обычная подгонка с разным делением исходных предикторов, включая кросс валидацию. Обыденность, которую закумуфлировали словами.