交易中的机器学习：理论、模型、实践和算法交易 - 页 1710

新评论
 
马克西姆-德米特里耶夫斯基。

麦克斯！再次提醒我，这些模型叫什么？

1) 模型1被训练

2）根据对模型 1的测试数据的预测 来训练模型2，等等。

叠加？

 
阿列克谢-维亚兹米 金。

是的，奇怪的结果。难道他们不从参与培训的测试样本中抽取概率吗？但似乎有一个错误。

那么样本中总共有多少个单位（目标线）？
没有测试样本。
数据集中总共有891行。

我认为那里使用的是rms,rmse,cls或其他的公式之一。最主要的是，结果在0%、50%和100%时收敛。而在两者之间，它们是弯曲的。按班级拆分通常是在50%的时候进行，这时有一个共同的概率匹配。所以决定不解决这个问题。
 
阿列克谢-维亚兹米 金。
elibrarius。

我可以问你一个问题吗？

为什么是ketbust？它有什么是类似物所不具备的？

 
埃利布留斯。
没有测试样本。
数据集中总共有891行。

我认为那里使用的是rms,rmse,cls或其他的公式之一。最主要的是，结果在0%、50%和100%时收敛。而在两者之间，它们是弯曲的。按等级划分通常是在50%，在这个地方，有一个正常概率的匹配。所以决定不解决这个问题。

是的，为了理解思想的深度，你必须打破代码。但有趣的是，他们如何给叶子分配权重，考虑到他们已经拥有的叶子。

 
mytarmailS:

我可以问你一个问题吗？

为什么是ketbust？它有什么是类似物所不具备的？

我对它感兴趣，原因如下。

1.支持 - 大量的信息和开发人员的反馈。

2.快速学习--使用所有处理器内核。

3.灵活设置模型的建立和再训练控制--尽管这里有很多需要改进的地方。

4.在MQL5中训练后能够应用二元对称模型，但这不是我的开发。

 
阿列克谢-维亚兹米 金。

谢谢

 

任何人都可能对以下方面感兴趣

有一本关于R语言的时间序列预测的新书，包括比特币预测的例子

https://ranalytics.github.io/tsa-with-r/

 
Aleksey Vyazmikin:

是的，为了理解思想的深度，你必须打破代码。但有趣的是，他们如何给叶子分配权重，同时考虑到现有的叶子。

根据定义
梯度分层的想法是建立一个依次细化彼此的基本 模型的集合。第n个基本模型是在n-1个模型集合的 "错误 "上训练的，模型的答案被加权到一起。这里的"错误 " 用的是倒逗号，因为事实上， 每个连续的模型都接近损失函数的反梯度，它不一定等于实际值和预测值之差（即字面意义上的错误）。

看来，权重是像往常一样决定的--由概率决定。
但分裂显然不仅仅是最好的一个，而是能提高整体结果的一个。但这只是一种推测。由于代码中包含数公里的列表，所以不可能翻阅。它不是来自alglib的4000个字符串。

mytarmailS:

为什么是catbust？它有什么是类似物所没有的？

我同意阿列克谢的观点。我对xgboost 有一些经验。这将有可能在实践中进行比较。
 
elibrarius。

我只是问为什么，我看到你在挣扎，从ketbust的这些树木，有一些问题的输出，拐杖...

我对 "规则归纳 "这个主题有了一些了解，我看到R有很多规则生成包或规则组合...


1）规则容易输出，一行就可以了

2）规则对人来说容易阅读

3）规则生成堆的类型，从琐碎的到遗传的

4) 预测的质量与其他任何东西都是一样的


所以我在想，也许你不应该为Ketbust而烦恼。而去找一些更令人愉快的东西或类似的东西......

 
mytarmailS:

麦克斯！再次提醒我，这些模型叫什么？

1) 模型1被训练

2）根据对模型 1的测试数据的预测 来训练模型2，等等。

叠加？

元标德普拉多

1...170317041705170617071708170917101711171217131714171517161717...3399
新评论