Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3337
![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
Bunun neden olduğunu hiç merak ettiniz mi?
Bu aslında sayfadaki hatalı bir model. Böyle olmasınınbirkaç nedeni olabilir.
Yoksa kesin ve net bir cevabınız var mı?
Naif koda aktarılan modeli test etme hızı (catbust)
Ve ONNX'e aktarıldı
Botun iki versiyonunun iç kısımları neredeyse benzerdir, sonuçlar aynıdır.
Evrensellik için ödeme yapın.
CatBoost'un model dönüştürme konusunda önemli sınırlamaları olması üzücü.
Çok yönlülük için ödenmesi gereken bedel.
CatBoost'un model dönüştürme konusunda önemli sınırlamaları olması üzücü.
Nesnelerin önemi hakkında daha fazla araştırma yapmaya başladım, önerilen koca bir makale var. Bakalım neler sunacak.
Hâlâ ilgilendiğinizi gördüğüme sevindim. Bu yaklaşımın yararlılığını araştırmadaki ilerlemeniz hakkında yazın.
Sanırım her yapraktan (ağaçtan) sonra yeniden bölümleme yaparak kademeli hata düzeltmesini dikkate alarak yaprak tahminini yeniden oluşturmayı deneyeceğim.
Ama yine de..... kategorize ederken aynı şekilde çalışmıyor gibi görünüyor. Formülleri çok iyi anlamıyorum.
Anladığım kadarıyla ilk iterasyonda ağaçlar yardımıyla yaklaşılması gereken hedefin etiketleri üzerinde loglosses'in yaklaşık bir fonksiyonu oluşturuluyor ve ideal fonksiyon ile ağaçlar yardımıyla elde edilen arasındaki delta öğrenme oranı katsayısı ile çarpıldıktan sonra yaprağa yazılıyor.
Sadece, yaklaşımı tam anlamıyla alarak bir hatayı işaretlerseniz, o zaman ne - iki farklı sınıftaki bir hatayı bir, diyelim ki "1" ile işaretlemek gerekli mi?
Ya da ne?
Yine de ilgini çekebildiğime sevindim. Bu yaklaşımın yararlılığını araştırmadaki ilerlemeler hakkında yazın.
Uzun zamandır bu konu üzerinde çalışıyorum. Başka yollar/paketler de var. Bu özellik bir şekilde gözden kaçtı, belki de yakın zamanda eklediler
Bu konuyla ilgili bir video izleyebilirsiniz
Fonksiyonun Y koordinatını oluşturmak için toplanan yapraklardaki değerler.
Bana göre bu bir yaprağın cevabı ya da tahmini. Bunu bir katsayı ile düzeltmek istediğinizi düşünmüştüm.
Sadece, eğer bir hatayı tam anlamıyla yaklaşarak işaretlerseniz, o zaman iki farklı sınıftaki bir hata bir, diyelim ki "1" ile mi işaretlenmelidir?
Ya da nasıl?
Makaledeki eğitim örneğinde, sadece regresyon. Sınıflandırma için bir şey söyleyemem.
Bu konuyla ilgili bir video izleyebilirsiniz
Makaledeki eğitim örneğinde sadece regresyon var. Sınıflandırma konusunda emin değilim.
Sınıflandırma hakkında buraya yazabilirsiniz. Ancak CatBoost'un biraz farklı bir formülü var, ama belki de bu matematiksel dönüşümlerin maliyetidir....
Ve sanırım aynı yerden bir video bağlantısı.