Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3385

 
Maxim Dmitrievsky #:
Kurallar hakkında bir makale yazmak istemiyor muydunuz, yoksa fikrinizi mi değiştirdiniz? Muhtemelen ilginç bir konu, test fonksiyonlarını en aza indirmekten daha ilginç. Yoksa OOS üzerinde doğrulama ile ilgili sorunlarınız mı var? Ya da sorun yok, sadece yazma tembelliği var.
Bilmiyorum, yazacak bir şey yok.
Ahşap bir modeli kurallara nasıl ayıracağımı yazacağım, ne olmuş yani?
Aslında benim yazım zaten her şeyi gösteriyor.

Yoksa eski yazımdan mı bahsediyorsunuz? Eğer öyleyse, bölmede süper iyileştirici özellikler bulamadım, modele veremeyeceğim artılar var.

1. Modelin boyutluluğunu büyük ölçüde azaltabilirsiniz.



2. Her kuralın istatistiklerini bilebilirsiniz (bu gerçekten önemlidir).

Örneğin, 100 kuralı olan ahşap bir modelimiz var ve her kuralın 100 kural içinde bir kez mi çalıştığını (örüntü yok) veya 10 kuralın 50 kez mi çalıştığını (örüntü var) asla bilemeyiz.
Eğer modeli kırmazsak, bunu bilemeyiz ve her iki model de bizim için aynı olacaktır.

 
mytarmailS #:
Bilmiyorum, gerçekten yazacak bir şeyim yok.
Ahşap bir modelin kurallara nasıl dönüştürüleceğini yazacağım, ne olmuş yani?
Temel olarak, yazım zaten size her şeyi gösterdi.

Yoksa eski yazımdan mı bahsediyorsunuz? Eğer öyleyse, bölmede süper iyileştirici özellikler bulamadım, modele veremeyeceğim artılar var.

1. Modelin boyutluluğunu büyük ölçüde azaltabilirsiniz.



2. Her kuralın istatistiklerini bilebilirsiniz (bu gerçekten önemlidir).

Örneğin, 100 kuralı olan ahşap bir modelimiz var ve her kuralın 100 kural içinde bir kez mi çalıştığını (örüntü yok) veya 10 kuralın 50 kez mi çalıştığını (örüntü var) asla bilemeyiz.
Modeli bozmazsak, bunu bilemeyiz ve her iki model de bizim için aynı olacaktır.

Ağaçlarda genellikle her bir özelliğin her bir gözleminin etkisini, modele katkısını, örneğin shap değerleri üzerinden hesaplayabilirsiniz. Yalnızca yararlı olanları bırakır ve yalnızca bunlar üzerinde bir şeyler eğitirsek, kural aramanın yaklaşık bir benzerini elde ederiz. Bu arada nöronlarla da bu mümkündür.

Sadece kuralların ne zaman tek yararlı kurallar olabileceğini anlamak zor. Belki de sonucun yorumlanabilirliği için. Her ne kadar şekil değerleri de iyi bir yorumlanabilirlik sağlasa da, bir bakıma.
 
Maxim Dmitrievsky #:
Ağaçlarda genellikle her bir özelliğin her bir gözleminin etkisini, modele katkısını, örneğin şekil değerleri aracılığıyla hesaplayabilirsiniz. Yalnızca yararlı olanları bırakır ve yalnızca bunlar üzerinde bir şeyler eğitirseniz, kural aramanın yaklaşık bir benzerini elde edersiniz. Bu arada nöronlarla da bu mümkündür.

Sadece kuralların ne zaman tek yararlı kurallar olabileceğini anlamak zor. Belki sonucun yorumlanabilirliği için. Gerçi şekil değerleri de iyi bir yorumlanabilirlik sağlıyor, bir bakıma.
Her bir özelliğin etkisi, her bir gözlemin etkisi ve her bir kuralın etkisi farklıdır
 
mytarmailS #:
Her bir özelliğin etkisi, her bir gözlemin etkisi ve her bir kuralın etkisi birbirinden farklıdır
Kurallar, özellikleri ve etiketleri birbirine bağlayan modelin unsurlarıdır. Tek şey, sinir ağlarının süreksizliğe sahip olmamasıdır, ancak bu yapay olarak yapılabilir.

Demek istediğim, kurallarda (anlamlı bir şekilde pipo içmek) pek bir nokta görmüyorum.
 
Maxim Dmitrievsky #:
Kurallar, nitelikleri ve etiketleri birbirine bağlayan model unsurlarıdır. Tek şey, sinir ağlarının süreksizliğe sahip olmamasıdır, ancak yapay olarak yapılabilir.

Demek istediğim, kuralların pek bir anlamı olduğunu düşünmüyorum.

Habarovsk'tan deneyeceğim...


herhangi bir model belirli bir kalıplar toplamıdır, abartılı bir şekilde bir kalıp TS olarak etiketlenebilir.


Bir modelin 100 TS'den oluştuğunu düşünelim.


Model #1'de 100 TS bir anlaşma yapmış olabilir.

Model #2'de bir TS 100 işlem yapmış ve diğer 99'u tek bir işlem yapmamış olabilir.


Her bir TS için istatistikler nasıl hesaplanır?

Eğer model bir kural modeli ise, bu kolay ve nettir.

Eğer modelnöral ise?

 
mytarmailS #:

Habarovsk yakınlarından deneyeceğim.

Eğer model nöron ise?

/\
!
!

Sen ve Sanych aynı stüdyoda çalışmıyor musunuz?
NS tarafından iyi tahmin edilen örnekleri seçiyorsunuz. Başka bir NS'yi sadece onlar üzerinde eğitiyorsunuz. Zevkinize göre birkaç kez tekrarlayın. Birkaç turdan sonra en iyi "kurallara" sahip NS'ye sahip olacaksınız.

Ayrıca kolay ve anlaşılmaz olduğunu söyleyemem.
 
Maxim Dmitrievsky #:

NS tarafından iyi tahmin edilen örnekleri seçersiniz. Sadece onlar üzerinde başka bir NS eğitin. Zevkinize göre birkaç kez tekrarlayın. Birkaç turdan sonra, en iyi "kurallara" sahip NS'yi elde edeceksiniz.
Peki, nöronka'nın iyi tahmin ettiği bir alt örneklemimiz var. Bu alt örneklemde bir örüntü mü, iki mi yoksa yirmi mi olduğunu nereden biliyorsunuz? Aradaki farkı gerçekten bilmiyor musunuz?

 
mytarmailS #:
Peki, nöroniklerin iyi tahmin yaptığı bir alt örneklemimiz var. Bu alt örneklemde bir örüntü mü, iki mi yoksa yirmi mi olduğunu nereden biliyorsunuz? Farkı gerçekten bilmiyor musun?

Kalan örnek sayısına göre. Örüntü sayısı kadar örnek vardır. Bu yaklaşık bir kural, kesin bir kuralla aynı olduğunu söylemiyorum. Ama örneği daha da bölebilirsiniz, her desen için tam bir bölüme kadar.
 
Maxim Dmitrievsky #:
Kalan örnek sayısına göre. Desen sayısı kadar örnek vardır.
200 örnek ve sadece 5 örüntü olabilir.
Bir örnek bir örüntü değildir, bir örnek bir gözlemdir.
 
mytarmailS #:
200 örnek ve sadece 5 örüntü olabilir.
Bir örnek bir örüntü değildir, bir örnek bir gözlemdir
Hata zaten düşmeyi bıraktıysa veya sıfıra eşitse, kalan örnekleri bazı yakınlık ölçülerine göre kalıplara bölebilirsiniz :). Örneğin kümeleme. Ve kaç tane kaldığını sayın. Ve hatta her bir desen/küme için ortalama bir koşul yazın (kümelerin merkezlerini alın), bir çıktı kuralı elde edersiniz.