Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 580

Yeni yorum
 
Yuri Asaulenko :
Teşekkür ederim. İlginçtir ki, herhangi bir monograf var mı, doğada bile var mı?

Bulamadım .. Sadece ormanın yaratıcısı Breiman'dan ormanlarda gördüm

 
Yuri Asaulenko :

...

Büyük ve ayrıntılı bir şey istiyorum.)


...ve sağlam.


Zykov A.A. Grafik teorisinin temelleri. -- M.: Bilim. Şef editör Fizik-Matematik yak., 1987.

Gelişiminin iç mantığına uygun olarak inşa edilmiş, çizge teorisine sistematik bir giriş.


İnternette indirebileceğiniz linkler var.

 

neden bir traktör montajı için talimatlar değil?

 

Python'u MT5'e bağlamak için kütüphanenin yeni bir sürümü yayınlandı. Bağlantıyı hatırlatıyorum https://github.com/RandomKori/Py36MT5 Ama sorunlar var. Visual Studio'da test projesi olması gerektiği gibi çalışıyor ancak MT'de anlaşılmaz sorunlar var. Artık kütüphane, Python betiğinin bulunduğu dizinle iyi çalışıyor. MT ile bir demette nasıl hata ayıklanacağını hayal edemiyorum. MT, hata ayıklayıcıdan korunur. Belki birileri nasıl hata ayıklanacağını biliyordur?

 
Maksim Dmitrievski :

neden bir traktör montajı için talimatlar değil?


böyle mi saldın

Kahretsin, faydalı bilgiler veriyorum ve yanıt olarak ... bir genç gibi kabasın ve kendini eşsiz bir zeka olarak görüyorsun ... acınası bir manzara.

Bazı karakterler için yeterli olduğu gibi bir kitap da muhtemelen size yeter...

 
Oleg otomatı :

böyle mi batırdın

Kahretsin, faydalı bilgiler veriyorum ve yanıt olarak ... bir genç gibi kabasın ve kendini eşsiz bir zeka olarak görüyorsun ... acınası bir manzara.

Bazı karakterler için yeterli olduğu gibi bir kitap da muhtemelen size yeter...


ne işe yarar? Bir ağaç grafiği nasıl oluşturulur? o. yararlı .. çubuk salatalık

Bu yüzden mi tüm kitabı okuman gerekiyor?

 
Maksim Dmitrievski :

ne işe yarar? Bir ağaç grafiği nasıl oluşturulur? o. yararlı .. çubuk salatalık

Bu yüzden mi tüm kitabı okuman gerekiyor?


bu yüzden üst kısımlarda seğiriyorsun, çünkü. sağlam bilgiye sahip değilsin ve sahip olmak istemiyorsun. Bilginiz ve anlayışınız yok. Ve bunun için, bir kez sizin tarafınızdan ustalaşılan bir kitap ve birkaç makale kesinlikle yeterli değil.

 
Oleg otomatı :

bu yüzden üst kısımlarda seğiriyorsun, çünkü. sağlam bilgiye sahip değilsin ve sahip olmak istemiyorsun. Bilginiz ve anlayışınız yok. Ve bunun için, bir kez sizin tarafınızdan ustalaşılan bir kitap ve birkaç makale kesinlikle yeterli değil.


nasıl yaşanır, nasıl yaşanır .. panik-panik .. çarpım tablosunu ve bilgi teorisini ve ontolojisini öğrenmeye gitti

 
Yuri Asaulenko :
Teşekkür ederim. İlginçtir ki, doğada var olan herhangi bir monograf var mı?

Dalga geçmeyi bırakın ve R'yi alın: koda, bu kodun teorisini açıklayan kaynağa bir bağlantı eşlik etmelidir.

İşte klasik Breiman algoritması ile ilgili bağlantılar:

Breiman, L. (2001), Rastgele Ormanlar, Makine Öğrenimi 45(1), 5-32.

Breiman, L (2002), “Rastgele Ormanları Kurma, Kullanma ve Anlama Kılavuzu V3.1”, http://oz.berkeley.edu/users/breiman/Using_random_forests_V3.1.pdf .


Ek olarak, R kullanırsanız, orada çok çeşitli ormanlar zaten toplanmıştır ve randomForest'a ek olarak, orijinal yolun en çeşitli nüanslarını netleştiren başka ormanlar da olduğunu görebilirsiniz.

Örneğin, randomForestSRC, randomUniformForest.

Aynı türden en ilginç ve verimli algoritma ada'dır.

İşte bağlantılar (bunların tümü R paketlerinin belgelerine aittir)

Friedman, J. (1999). Açgözlü Fonksiyon Yaklaşımı: Bir Gradyan Artırma Makinesi. Teknik Rapor, İstatistik Departmanı, Standford Üniversitesi.

Friedman, J., Hastie, T. ve Tibshirani, R. (2000). Eklemeli Lojistik Regresyon: Artırmanın istatistiksel bir görünümü . İstatistik Yıllıkları, 28(2), 337-374.

Friedman, J. (2002). Stokastik Gradyan Artırma. Sayısal İstatistikler \& Veri Analizi 38. Culp, M., Johnson, K., Michailidis, G. (2006). ada: Stokastik Artırma İstatistiksel Yazılım Dergisi için bir R Paketi, 16.


Bu adanın birkaç çeşidi vardır.


Ancak tematik seçimleri R'nin kendisi yapar.

ağaçlar tarafından:

  • Rastgele Ormanlar : Regresyon ve sınıflandırma için rastgele orman algoritmasının referans uygulaması, randomForest paketinde mevcuttur. Paket ipred , topluluk öğrenimi yoluyla çoklu modellerin bir kombinasyonu olan demetlemenin yanı sıra, gerileme, sınıflandırma ve hayatta kalma analizi için paketlemeye sahiptir. Ayrıca, parti paketinde koşullu çıkarım ağaçlarına dayalı olarak rastgele ölçeklerde ölçülen yanıt değişkenleri için rastgele bir orman varyantı uygulanır. randomForestSRC , hayatta kalma, gerileme ve sınıflandırma sorunları için Breiman'ın rastgele ormanlarının birleşik bir tedavisini uygular. Nicel regresyon ormanları quantregForest , rastgele bir orman yaklaşımı aracılığıyla keşif değişkenleri üzerindeki sayısal bir yanıtın niceliklerini gerilemeye izin verir. İkili veriler için LogicForest , mantıksal regresyon ağaçlarından oluşan bir ormandır ( LogicReg paketi. varSelRF ve Boruta paketleri, rastgele orman algoritmaları aracılığıyla değişken seçimine odaklanır. Ek olarak, ranger ve Rborist paketleri, rastgele ormanların hızlı C++ uygulamaları için R arabirimleri sunar. wsrf , geleneksel rastgele değişken örnekleme yerine değişken alt uzay seçimi için alternatif bir değişken ağırlıklandırma yöntemi uygular.

Ağaçların çok yakın akrabaları için:

  • Yükseltme ve Gradient Descent : gbm paketinde (ağaç tabanlı fonksiyonel gradyan iniş güçlendirme) çeşitli gradyan artırma biçimleri uygulanır. Paket xgboost , çeşitli ve ayrıca kullanıcı tanımlı amaç işlevleri için temel öğreniciler olarak verimli ağaçları kullanarak ağaç tabanlı güçlendirme uygular. Menteşe kaybı, bst paketindeki yükseltme uygulamasıyla optimize edilmiştir. Paket GAMBoost , bir artırma algoritması ile genelleştirilmiş katkı modellerine uyacak şekilde kullanılabilir. Genelleştirilmiş doğrusal, toplamsal ve parametrik olmayan modeller için genişletilebilir bir güçlendirme çerçevesi, boost paketinde mevcuttur . Cox modelleri için olasılık tabanlı artırma, CoxBoost'ta ve karma modeller için GMMBoost'ta uygulanır . GAMLSS modelleri, gamboostLSS tarafından güçlendirme kullanılarak takılabilir. Regresyon görevleriyle başa çıkmak için Gradient Descent'e dayalı çeşitli öğrenme algoritmalarının bir uygulaması gradDescent paketinde mevcuttur.

Ek olarak, tahmin tahmin algoritmasına göre Maxim için son derece ilginç olan mermiler vardır:

  • CORElearn , en yakın komşular, ağaçlar, rastgele ormanlar ve çeşitli özellik seçme yöntemleri gibi oldukça geniş bir makine öğrenimi algoritmaları sınıfını uygular. Benzer şekilde, paket rminer , diğer paketlerde uygulanan birkaç öğrenme algoritmasını arayüzler ve çeşitli performans ölçütlerini hesaplar.



Ve kırsal el sanatlarını kullandığınızı yazarken tam olarak şu durumları kastediyorum:

  • çok sayıda kullanıcı
  • bu çok sayıda kullanıcı kodu iyi bir şekilde ayıkladı
  • bu çok sayıda kullanıcı iyi belgelenmiştir
  • bu çok sayıda kullanıcı teoriyi tamamen emdi
  • Bu çok sayıda kullanıcı, karşılıklı rendelemelerden pratik uygulamalara kadar bir yayın denizi oluşturmuştur.
 

AdaBoost, forex torbalamadan daha iyi değildir. özellikle büyük boyutlu verilerde çok fazla uyuyor .. özellikle sınıfında zaten modası geçmiş olduğu için xgboost da var. ve geri kalanının hala büyümesi gerekiyor :)

Ayrıca Forex'te özellik ithalatına inanmıyorum.

1...573574575576577578579580581582583584585586587...3399
Yeni yorum