Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1710

 
Maksim Dmitrievski :

Maks! bana bu modellerin ne dendiğini hatırlat...

1) Model 1 eğitilmiştir

2) Model 1'in test verilerindeki tahminlere göre, model 2 eğitilir, vb.

bahis?

 
Alexey Vyazmikin :

Evet, garip sonuçlar. Ama eğitime katılan test örneğinden olasılık almıyorlar mı? Ama bir yerde bir yanlışlık var gibi.

Ve örnekte kaç birim var (hedef satırlar)?
Test seti yok.
Veri setinde toplam 891 satır bulunmaktadır.

Orada rms, rmse, cls formüllerinden birinin veya başka bir şeyin kullanıldığını düşünüyorum. Ana şey, sonucun %0, %50 ve %100 noktalarında yakınsamasıdır. Ve aralarında kavisli. Sınıflara ayırma genellikle% 50 oranında yapılır ve bu yerde olağan olasılıkla bir tesadüf vardır. Bu yüzden sorunu çözümsüz bırakmaya karar verdim.
 
Alexey Vyazmikin :
elibrarius :

Bir soru sorabilir miyim?

Neden ketbüs? Analoglarda bulunmayan ne var?

 
elibrarius :
Test seti yok.
Veri setinde toplam 891 satır bulunmaktadır.

Orada rms, rmse, cls formüllerinden birinin veya başka bir şeyin kullanıldığını düşünüyorum. Ana şey, sonucun %0, %50 ve %100 noktalarında yakınsamasıdır. Ve aralarında kavisli. Sınıflara ayırma genellikle% 50 oranında yapılır ve bu yerde olağan olasılıkla bir tesadüf vardır. Bu yüzden sorunu çözümsüz bırakmaya karar verdim.

İşte, fikrin derinliğini anlamak için kodu yavaşlatmanız gerekiyor. Ancak, mevcut olanları dikkate alarak yapraklara nasıl ağırlık atadıkları ilginçtir.

 
mytarmailS :

Bir soru sorabilir miyim?

Neden ketbüs? Analoglarda bulunmayan ne var?

Aşağıdaki nedenlerle ilgileniyorum:

1. Destek - geliştiricilerden çok fazla bilgi ve geri bildirim.

2. Hızlı öğrenme - tüm işlemci çekirdeklerinin kullanımı.

3. Bir model oluşturmak ve yeniden eğitimi kontrol etmek için esnek ayarlar - burada iyileştirilecek çok şey olmasına rağmen.

4. MQL5 eğitiminden sonra ikili simetrik modelleri uygulama becerisi, ancak bu benim gelişimim değil.

 
Alexey Vyazmikin :

Teşekkür ederim

 

Belki biri ilgilenir

Örneklerde bitcoin tahmini de dahil olmak üzere, R'de zaman serisi tahmini üzerine yeni bir kitap yayınlandı.

https://ranalytics.github.io/tsa-with-r/

 
Alexey Vyazmikin :

İşte, fikrin derinliğini anlamak için kodu yavaşlatmanız gerekiyor. Ancak, mevcut olanları dikkate alarak yapraklara nasıl ağırlık atadıkları ilginçtir.

A-manastırı
Gradyan artırma fikri, birbirini art arda iyileştiren bir temel modeller topluluğu oluşturmaktır. n'inci elemanter model, n-1 modellerinin topluluğunun "hataları" üzerinde eğitilir, modellerin yanıtları ağırlıklı toplanır. "Hatalar" burada tırnak içindedir, çünkü aslında sonraki her model kayıp fonksiyonunun anti-gradyanına yaklaşır, bu gerçek ve tahmin edilen değerler arasındaki farka mutlaka eşit değildir (yani, kelimenin tam anlamıyla hata ).

Görünüşe göre ağırlıklar her zamanki gibi - olasılıkla belirlenir.
Ancak görünüşe göre bölünme sadece en iyisi değil, aynı zamanda genel sonucu iyileştiren seçilmiştir. Ama bu sadece bir tahmin. Kodu anlamak gerçekçi değil, kilometrelerce liste var. Bu 4000 satır alglib değil.

mytarmailS :

Neden ketbüs? Analoglarda bulunmayan ne var?

Alexey'e katılıyorum. xgboost ile biraz deneyimim var. Pratikte karşılaştırma yapmak mümkün olacaktır.
 
elibrarius :

Sadece nedenini sordum, ketbusttan bu ağaçlarla nasıl acı çektiğinizi görüyorum, çıktı ile bazı sorunlar var, koltuk değneği ..

"Kural tümevarım" konusunu biraz araştırdım ve görüyorum ki R'de kurallar veya kurallar topluluğu oluşturmak için birçok paket var.


1) kuralların tek satırda görüntülenmesi kolaydır

2) kurallar insanlar için okunması kolaydır

3) önemsizden genetiğe kadar bir dizi yapı kuralı

4) diğer her şey düzeyinde kalite tahmini


Yani bence bu ketbüste acı çekmemelisin? , ama daha hoş bir şey al ya da bir şey ..

 
mytarmailS :

Maks! bana bu modellerin ne dendiğini hatırlat...

1) Model 1 eğitilmiştir

2) Model 1'in test verilerindeki tahminlere göre, model 2 eğitilir, vb.

bahis?

meta etiketleme de prado