Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1323
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
Güçlendirme ile ilgili ders, aynı öğretim görevlisiyle daha yeniydi (bir seçenek olarak catboost ile python'da) - Hiçbir şey bulamıyorum
Catboost'un daha fazla ayarı vardır, XGBoost fikrinin gelişiminin bir devamıdır, ana artı ve eksi aynı zamanda sayıları büyük değilse yeniden eğitmeyi önleyen sabit boyutlu ağaçlardır.
....
Tamamen teknik bir soru. Diyelim ki 3 tahmincimiz var - x1, x2, x3. Ayrıca x1-x2, x1-x3, x2-x3'ün de öngörücü olduğunu ve koşullar oluşturduğunu biliyoruz. Ağaçlara aşina olduğum kadarıyla, bu ek tahmin edicilerin de modele beslenmesi gerekiyor.
Ancak durum biraz daha kötü, tahminciler bazı a11*x1-b2*x2, a12*x1-a3*x2, vb. denklem sistemleri gibi bir şey üretiyor. Oranları bilmiyorum tabii. Tahmin edicilerin daha karmaşık kombinasyonları da mümkündür, bunlar sadece örneklerdir.
NN bu tür şeylerle (prediktörlerin lineer kombinasyonları ve hatta lineer olmayan kombinasyonlar) başa çıkıyor ve benim karmaşık olmama gerek yok ve girdileri rahatsız etmeden sadece x1, x2 ve x3 besliyoruz.
Bu gibi durumlarda ağaçlarla ne yapmalı? Bu konuda net bir şey bulamadım. Yoksa ağaçlar kendi kendilerine mi bakacak?
CatBoost'ta ana sınıf - bağlantıları kullanarak python'da çalışmak için video kodunu buradan indirebilirsiniz
Tamamen teknik bir soru. Diyelim ki 3 tahmincimiz var - x1, x2, x3. Ayrıca x1-x2, x1-x3, x2-x3'ün de öngörücü olduğunu biliyoruz. Ağaçlara aşina olduğum kadarıyla, bu ek tahmin edicilerin de modele beslenmesi gerekiyor.
Ancak durum biraz daha kötü, tahminciler bazı a11*x1-b2*x2, a12*x1-a3*x2, vb. Oranları bilmiyorum tabii. Tahmin edicilerin daha karmaşık kombinasyonları da mümkündür, bunlar sadece örneklerdir.
NN bu tür şeylerle (doğrusal öngörücü kombinasyonları) başa çıkıyor ve benim karmaşık olmama gerek yok ve girdilere zahmet etmeden yalnızca x1, x2 ve x3 besliyoruz.
Bu gibi durumlarda ağaçlarla ne yapmalı? Bu konuda net bir şey bulamadım. Yoksa ağaçlar kendi kendilerine mi bakacak?
Teorik olarak, bir ağaç bir işlevi tanımlayabilir, ancak katsayıları (x) olan bir bölüm olduğu ortaya çıkacaktır, hangisini değiştirirken, ancak işlevin kendisini kaydederken, ağaç artık o kadar etkili olmayacaktır, çünkü olay alanını ile hatırlamaktadır. sabitler. Bunlar benim düşüncelerim, belki yanılıyorum. Bu tür görevler için, NN'yi kullanmak ve ağaca, işlev argümanlarındaki değişikliğe bağlı olarak yorumlama mantığını değiştirmeyecek olan, işleve bir tür hazır yanıt vermek daha iyidir. Bu nedenle, ağaca sınırlı sayıda argüman verilmesi tercih edilir.
Yalnızca bu x'teki bir değişiklik, modeli yeniden eğitme ihtiyacına yol açacaktır.
Genel olarak, fonksiyon argümanları, öğrenme örneği tarafından temsil edilen bilinen bir aralıktaysa, işi ağaç yapmalıdır. Ancak bu, sınıflandırma değil, bir gerileme görevidir.Teorik olarak, bir ağaç bir işlevi tanımlayabilir, ancak katsayıları (x) olan bir bölüm olduğu ortaya çıkacaktır, hangisini değiştirirken, ancak işlevin kendisini kaydederken, ağaç artık o kadar etkili olmayacaktır, çünkü olay alanını ile hatırlamaktadır. sabitler. Bunlar benim düşüncelerim, belki yanılıyorum. Bu tür görevler için, NN'yi kullanmak ve ağaca, işlev argümanlarındaki değişikliğe bağlı olarak yorumlama mantığını değiştirmeyecek olan, işleve bir tür hazır yanıt vermek daha iyidir. Bu nedenle, ağaca sınırlı sayıda argüman verilmesi tercih edilir.
Yalnızca bu x'teki bir değişiklik, modeli yeniden eğitme ihtiyacına yol açacaktır.
Ben Ulusal Meclis ile çalışıyorum, onlar için bu çok açık. Ağaçlarla ilgili çekici olan şey, genel olarak ihtiyaç duyulan şey olan if...then.... gibi bir mantık üretmeleridir - çıktı bir evet/hayır kararı olmalıdır. Ama öyle görünüyor ki, böyle bir mantıkla bile, tüm bunları girdi olarak versek bile, ağaçlar artık baş edemeyecekler.
Ben Ulusal Meclis ile çalışıyorum, onlar için bu çok açık. Ağaçlarla ilgili çekici olan şey, genel olarak ihtiyaç duyulan şey olan if...then.... gibi bir mantık üretmeleridir - çıktı bir evet/hayır kararı olmalıdır. Ama öyle görünüyor ki, tüm bunları girdi olarak versek bile ağaçlar artık böyle bir mantıkla baş edemiyor.
Göndermek ve görmek - numune yapmak ve kontrol etmek gerekir.
Göndermek ve görmek - numune yapmak ve kontrol etmek gerekir.
Hayır, kötü örnek. Bu işlem yapılacaktır.)
Hayır, kötü örnek. Bu işlem yapılacaktır.)
Tabii ki, bununla başa çıkacak, sadece NN'ler nöronlar nedeniyle formüller alıyor ve ağaçlar sadece hesaplama sonuçlarının yorumunu alıyor. Bence bir fonksiyonla tarif edilmesi zor bir ilkel çizerseniz, örneğin bir çocuk çiziminden bir ev, o zaman sinir ağı çok uzun bir süre kaynacak, ağaç ise bu nesnenin koordinatlarını hızla belirleyecek ve basitçe onları vektörlere dönüştürün. Ancak ölçeği değiştirirseniz, ağaç artık bu evi belirleyemez, ancak fikre göre Millet Meclisi belirlemelidir.
CatBoost'ta ana sınıf - bağlantıları kullanarak python'da çalışmak için video kodunu buradan indirebilirsiniz
iyi, iyi çiğnenmiş
iyi, iyi çiğnenmiş
Evet, özellikle hemen python üzerinde çalıştırırsanız, temel ayarlar burada iyi bir şekilde verilmiştir. Ama bu benim için yeterli değil.