Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3211

 
mytarmailS #:

Göz atmadan kaçınmak için Forester, tahmin edicileri döngünün her iterasyonunda göz atmadan hesaplamanız gerektiğini söylemekte haklıdır.

Çözüm bu.

ZZ örneğinde bu çok açıktı.

Ancak ZZ olmadan genellikle %10'dan daha az bir sınıflandırma hatası alıyorum. Saçma olduğu ortaya çıktı. Attım gitti.

 
СанСаныч Фоменко #:

Ve Maxim'in çok güzel resimlerle yaptığı gibi INE dosyasında koşamaz ve mutlu yaşayamazsınız.

Rüyalarınızda birçok şeyin hayalini kuracaksınız
 
Maxim Dmitrievsky #:
Başkalarının zihinsel sorunlarını çözmekle ilgilenmiyorum.

Sen güzel resimlerden sorumlusun, pazarda bile. Yani asıl sorununuz bu.

 
СанСаныч Фоменко #:

Pazarda bile güzel resimlerden siz sorumlusunuz. Demek asıl sorununuz bu.

Benim zihinsel olanlar da dahil olmak üzere hiçbir sorunum yok. Yaratmaya çalışmak istiyorsanız, deneyin.
 

Özellik seçiminin, genellikle çalışmanın konusuyla ilgisi olmayan bir yığın heterojen bilgi arasından yapıldığına dair basit bir aritmetik vardır.

Türetilen BP'lerin hepsi bu BP ile ilişkilidir, yalnızca daha iyiyi/kötüyü seçebilirsiniz, çoğu zaman hiçbir anlam ifade etmez.

Dikizlemekten bahsetmiyorum, bunlar çocukça sorunlar. Açıkçası, bu tür oynaşmalar yıllar boyunca hiçbir şeye yol açmadı. Ancak bunu tekrarlamakta ısrar ediyorlar.

Ve hatalar örneklem içinde bile devam ediyor çünkü işlemleri düzgün bir şekilde işaretleyemiyorsunuz.
Yeni verilerde, trendlerden kaynaklanan önyargı veya öngörülemeyen dalgalanmalar üzerinde yeniden eğitim, karışıklık gibi varyantlar olabilir. Cv yöntemi kullanılarak model hata düzeltmesi ile tedavi edilir.

Makalelerinizin neresinde basit ve etkili hata düzeltme yöntemlerinden tek bir söz var?

Tahmin edeyim: P rubricinde böyle kutsal bir bilgiye ok yok ve biz google'a alışkın değiliz ve düşünüyoruz :).
 
Maxim Dmitrievsky #:

Özellik seçiminin, genellikle çalışmanın konusuyla ilgisi olmayan bir yığın heterojen bilgi arasından yapıldığına dair basit bir aritmetik vardır.

Türetilen BP'lerin hepsi bu BP ile ilişkilidir, yalnızca daha iyiyi/kötüyü seçebilirsiniz, çoğu zaman hiçbir anlam ifade etmez.

Dikizlemekten bahsetmiyorum, bunlar çocukça sorunlar. Açıkçası, bu tür oynaşmalar yıllar boyunca hiçbir şeye yol açmadı. Ancak bunu tekrarlamakta ısrar ediyorlar.

Ve hatalar örneklem içinde bile devam ediyor çünkü işlemleri düzgün bir şekilde işaretleyemiyorsunuz.
Yeni verilerde, trendlerden kaynaklanan önyargı veya öngörülemeyen dalgalanmalar üzerinde yeniden eğitim, karışıklık gibi varyantlar olabilir. Model hataları cv yöntemi ile düzeltilerek tedavi edilir.

Makalelerinizin neresinde basit ve etkili hata düzeltme yöntemlerinden bahsediliyor?

CV hataları, hata minimizasyonu ile optimal parametreler için bir arama olduğu için anlamlarıyla iyileştirilmez. Bir öğretmen ve tahmin edicileri yanlış bir şekilde korelasyon gösteriyorsa, CV mutlaka bu saçmalıkta daha iyi bir şey bulacaktır, ancak saçmalık problemini çözmeyecektir.

Çöp problemi "tahmin yeteneği", yani tahmin edici değerlerin bir sınıfı ya da diğerini tahmin etme yeteneği ile çözülür. O zaman sınıflandırma hatasının, aynı tahmin edici değerlerin bazı anlarda bir sınıfı, diğer anlarda ise başka bir sınıfı tahmin etmesiyle belirlendiği açıktır. Rattle'ın bu konuyla ilgili resimleri bile var.

 
СанСаныч Фоменко #:

CV, hata minimizasyonu ile optimal parametreler için bir arama olduğu için anlamındaki hataları iyileştirmez. Bir öğretmen ve tahmin edicileri yanlış bir şekilde korelasyon gösteriyorsa, CV kesinlikle bu saçmalıkta daha iyi bir şey bulacaktır, ancak saçmalık sorununu çözmeyecektir.

Saçma problemi "tahmin yeteneği", yani tahmin değerlerinin bir sınıfı ya da diğerini tahmin etme yeteneği ile çözülür. Bu durumda sınıflandırma hatasının, aynı tahmin edici değerlerin bazı anlarda bir sınıfı, diğer anlarda ise başka bir sınıfı tahmin etmesiyle belirlendiği açıktır. Rattle'ın bu konuyla ilgili resimleri bile vardır.

Ne olmuş yani? Korelasyon aramayın, randomizasyon ve cv yoluyla nedensellik arayın. Yoksa sana öğretmek zorunda mıyım Terver?

Hata düzeltme yapmazsanız sabit bir örneklem üzerindeki neredeyse tüm modeller kusurlu olacaktır. Çünkü bir grafiğin nasıl işaretleneceğini bilmiyorsunuz. Eğer bilseydin, ama bilmiyorsun. Bu konuda ne düşünürseniz düşünün, rastgele olarak küçük parçayı her zaman doğru şekilde etiketleyeceksiniz.
 
СанСаныч Фоменко #:

Yukarıda bahsedilen sorun, bir eğitim dosyası ve bir OOS dosyası üzerinde mükemmel sonuçlar veren bir model olmasıdır. Eğitim dosyasının rastgele örnekleme ile bile elde edilebileceğini ve OOS'un eğitim dosyasının kalıntısı olduğunu anlıyorum.

Ancak model harici bir dosya üzerinde çalıştırıldığında, sonuç felaket derecede kötüdür.

Sanırım son zamanlarda birkaç kez OOS'tan bahsettim. Ama orada iyi OOS sizin terminolojinize göre "ayrı dosya" idi.

SanSanych Fomenko #:

Peki ileriye bakarken nasıl tespit edilir?

Çok geçişli öğrenmede (bir sonraki aşama bir öncekinin hesaplamalarını kullanır), "ileriye bakma" olasılığı yüksektir. Genel bir tarif yok, ancak bir vakada aşağıdakileri yaptım.


Hesaplamayı hızlandırmak için gereksiz tiklerden kurtulmak gerekiyordu. Örneğin, tik sayısını 10 kat azaltırsanız, hesaplamalar aynı miktarda hızlanacaktır. Bu çok talep edilen bir eylemdir.

Benim durumumda, hangi tiklere ihtiyacım olduğunu ve hangilerine neredeyse hiç ihtiyaç duymadığımı biliyordum. Her neyse, özel bir sembol oluşturdum ve özel ve orijinal sembol üzerinde geri testlere başladım.

Burada inekliği açmak ve >%99 eşleşme elde etmek önemliydi. Başlangıçta çok fazla şey attığım ortaya çıktı ve farklı bir sonuç aldım (tabii ki orijinal olandan daha iyi).


Sonunda orijinalinden daha az atmaya başladım ve her şey eşleşmeye başladı. Yani, aslında eğitim yaparken iki geçişli bir yöntem kullanıyorum.


Dolayısıyla, muhtemelen, bir önceki geçişten sonra göz atmayı tespit etmek için, ciddi hesaplamalardan önce bile yukarıda açıklanan kontrolü kullanabilirsiniz. Bir de büyükbabanın ileriye bakmayı tespit etme yöntemi var - "gerçek olamayacak kadar iyi". Yeni başlayanlar harika sonuçlara sevinirken, olgun olanlar üzülür çünkü kendi hatalarını uzun süre aramak zorunda kalacaklarını fark ederler.

 
fxsaber #:

Yeni gelenler harika sonuçlardan memnun, olgun olanlar ise üzgün, çünkü uzun bir süre kendi hatalarını aramak zorunda kalacaklarını anlıyorlar.

Ve profesyoneller onlara hem acıyarak hem de küçümseyerek bakıyor ve sessizce kendi kendilerine şöyle diyorlar: Sahneyi değil, konsepti değiştirmeyi ne zaman düşüneceksiniz?

 
mytarmailS #:

Ve profesyoneller.

Ben hiç tanışmadım.