Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3355
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
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
Birinin en azından ipucunu Google'da aratacağını umuyordum.
Nedense yazılarıma dikkat etmiyorsunuz, olasılıklara odaklanıyorsunuz. Olasılığın ne olduğu önemli değil, önemli olan iyileşmezse modelin aşırı eğitilmiş, çöp kutusuna girmiş olmasıdır. OOV, OOS ve VNU'daki tahmin hatası yaklaşık olarak aynı olmalıdır.
İşte başka bir histogram
Farklı algoritma - etiketler ve tahmin ediciler aynı olmasına rağmen farklı histogram. Farklı sınıflandırma algoritmalarının aynı histogramları üreteceğini ima eden bir tür teorik olasılık arıyorsanız ... Bu benim aklıma gelmiyor, çünkü belirli algoritmalarla çalışmak zorundasınız ve tahmin edecekler ve değerlendirilmeleri gerekiyor, teorik bir ideal değil. Buradaki ana değerlendirme, olasılıkların bazı teorik ideallere yakınlığı değil, modelin aşırı uyumudur.
Nedense yazılarıma dikkat etmiyorsunuz, olasılıklara odaklanıyorsunuz. Olasılığın ne olduğu önemli değil, önemli olan iyileşmezse modelin aşırı eğitilmiş, çöp kutusuna girmiş olmasıdır. OOV, OOS ve VNE'deki tahmin hatası yaklaşık olarak aynı olmalıdır.
Kutudan çıkan model doğru olasılıkları vermiyor, hiçbirini. Hikaye bu. Tamamen eşleşen etiketler tahmin etmiş olabilirsiniz, ancak olasılıklar eşleşmiyor.
Yazımı ekledim. Herhangi bir model, sınıflandırma hatasının dalgalanmayacağı anlamında doğru olasılıklar verir.
Nedense yazılarıma dikkat etmiyorsunuz, olasılıklara odaklanıyorsunuz. Olasılığın ne olduğu önemli değil, önemli olan iyileşmezse modelin aşırı eğitilmiş, çöp kutusuna girmiş olmasıdır. OOV, OOS ve VNU'daki tahmin hatası yaklaşık olarak aynı olmalıdır.
İşte başka bir histogram
Farklı algoritma - etiketler ve tahmin ediciler aynı olmasına rağmen farklı histogram. Farklı sınıflandırma algoritmalarının aynı histogramları üreteceğini ima eden bir tür teorik olasılık arıyorsanız ... Bu benim aklıma gelmiyor, çünkü belirli algoritmalarla çalışmak zorundasınız ve tahmin edecekler ve değerlendirilmeleri gerekiyor, teorik bir ideal değil. Buradaki ana değerlendirme, olasılıkların bazı teorik ideallere yakınlığı değil, modelin aşırı uyumudur.
Vazgeçmek mi? Google sınıflandırma olasılığı kalibrasyonu, R'de olmalı.
.
Farklı şeylerden bahsediyoruz.
Ben sonuç hakkında yazıyorum, siz ise ara verilerin ideali hakkında yazıyorsunuz.
Benim için RF ve ada tarafından verilen belirli etiketlerin olasılık değerlerinin farklı olacağı açıktır, ancak belirli etiketlerin tahminleri neredeyse aynıdır. Ben olasılık değerleriyle ilgilenmiyorum, tahmin hatasıyla ilgileniyorum
Eğer teori üretirseniz, sizin anladığınız anlamda sınıf olasılığını elde etmek büyük olasılıkla imkansızdır, çünkü olasılığınızın limit teoremini karşıladığını kanıtlamanız gerekir ki bu da çok şüphelidir.
Farklı şeylerden bahsediyoruz.
Ben sonuç hakkında yazıyorum, siz ise ara veri ideali hakkında yazıyorsunuz.
RF ve ada tarafından verilen sınıf olasılığı değerleri farklı olacaktır, ancak belirli etiketlerin tahminleri neredeyse aynıdır. Ben olasılık değerleriyle değil, tahmin hatasıyla ilgileniyorum.
Eğer teori üretirseniz, sizin anladığınız anlamda sınıf olasılığını elde etmek büyük olasılıkla imkansızdır, çünkü olasılığınızın limit teoremini karşıladığını kanıtlamanız gerekir ki bu da çok şüphelidir.
Yine de asıl soru oradaydı ve kimse cevap vermedi.
Neden mi? Eğer bir tez anlamında....
Neden mi? Eğer bir tez anlamında....