Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3354
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Model olasılıkları, eğitim örneğindeki istatistikler tarafından verilir.
Buna göre, temsili bir örneklem olmadan bunlar doğru değildir, bu yüzden bunu aşın :)
Ya modelin nelerden oluştuğunu bulun ve yaprakları kendi geliştirdiğiniz algoritmaya göre yeniden ağırlıklandırın....
Modelin olasılıkları sigmoid ile verilir, bununla değil.
Peki, fonksiyona hangi sayıyı koyuyorsunuz, nereden geliyor?
Evet, peki, fonksiyona hangi sayıyı koyuyorsunuz, nereden geliyor?
Sınıflandırıcının doğru olasılıkları verdiğini nasıl anladınız? Sadece bir aralıktaki değerleri değil. Size yazılanları okuyor musunuz?
Birçok kez kontrol ettim. Bu TC'nin temelidir.
Tekrar ediyorum, eğer değilse, yeniden eğitilir.
Modellerin çıktısında elde ettiğiniz şey sınıf olasılıkları değildir. Bir benzerlik, tek bir değer veren regresyondur. Sınıflandırıcı da aynı prensiple çalışır, bir sigmoidden geçirilmiş ham bir değer verir, bir olasılık değil.
Sigmoidden geçerek sınıfı elde ederiz, sınıfın olasılığını değil.
Sigmoidden geçerek bir sınıf elde ederiz, sınıfın olasılığını değil.
Birçok kez kontrol ettim. TC'nin temeli bu.
Tekrar ediyorum, eğer değilse, yeniden eğitilir.
Bir soruya soruyla mı cevap vereceksiniz? Kesin cevabı biliyorum, eğer varsa.
Modellerin çıktısında elde ettiğiniz şey sınıfların olasılıkları değildir. Bir benzetme, tek bir değer veren regresyondur. Bir sınıflandırıcı aynı prensiple çalışır, bir sigmoidden geçirilmiş ham bir değer verir, bir olasılık değil.
CB model yapraklarında değerin nasıl elde edildiğini biliyor musunuz, yeniden üretebilir misiniz?
Mesele şu ki, olasılıklar tarih tarafından tahmin edilir, ancak yalnızca temsili bir örneğe sahip bir teori böyle olmaya devam edeceklerini garanti edebilir. Bizim böyle bir örneklemimiz yok. Dolayısıyla, bu yönde yapılacak herhangi bir düzeltme yeni veriler üzerinde doğruluk sağlamayacaktır. Düzeltme, yapraklarda döküntü olması nedeniyle ilgili olabilir ve sigmoid sınıflandırma noktasını fazla veya az tahmin ederek düzeltilmesi gereken şey budur.
Ya da yine, bunun neyle ilgili olduğu açık değil.
Eğer akıllıca bir şey bulduysanız, lütfen paylaşın :)
CB model yapraklarındaki değerin nasıl elde edildiğini biliyor musunuz, yeniden üretebilir misiniz?
Mesele şu ki, geçmiş olasılıklar tahmin edilir, ancak yalnızca temsili bir örnekleme sahip bir teori bunların böyle olmaya devam edeceğini garanti edebilir. Bizim böyle bir örneklemimiz yok. Bu nedenle, bu yöndeki herhangi bir ayarlama yeni veriler üzerinde doğruluk sağlamayacaktır. Düzeltme, enkazın yaprakların içine girmesi nedeniyle söz konusu olabilir ve sigmoid sınıflandırma noktasının bağımlılığı ya da küçümsenmesi yoluyla düzeltilmesi gereken de budur.
Ya da yine ne hakkında konuştuğumuz belli değil.
Akıllıca bir şey bulduysanız paylaşın :)