交易中的机器学习：理论、模型、实践和算法交易 - 页 1919

新评论
 

一张这样的照片


给出了这个利润图


 
Aleksey Vyazmikin:

如何截图，是否可以这样保存，然后直接从空白表加载，模型就出现了？

是

阿列克谢-维亚兹米 金。

这就是你如何解释这种叠加？

嗯，这是一个集群，它看起来像 多维空间中的物体在三维空间中组合成这样的团块，这样你就可以在三维空间中看你的100-500维数据，并以某种方式估计它们的结构。

Aleksey Vyazmikin:

顺便说一下，你如何将颜色强行设置为类--我不明白什么是什么？

在这里，颜色已经通过变量target设置好了，你看有三种颜色，这是你的目标，分三类

 

顺便说一下，上面带有岛屿的图片是在我的预测器转换方法之后，这是转换之前的原始样本的样子


两个星云...

数据本质上是一样的，但结果，甚至是视觉上，是不同的。所以我不知道如何使用这个工具，除了作为对样本准备学习的评估....。

 
Aleksey Vyazmikin:

例如，一个3D模型在一个单独的窗口中打开，你甚至不能对它进行截图，你能像这样保存它，然后直接从一个空白表加载它，模型就出现了吗？

你甚至可以用它来识别新的数据

 
mytarmailS:

好吧，它是集群，它看起来像 多维空间中的物体在三维空间中聚集在一起，这样你就可以在三维空间中看你的100-500维数据，并以某种方式估计它们的结构。

也许目标应该是按这些岛屿的数量来确定？我不明白这种可视化的定性评估。

我看到背面是黑色的，其余的是1,2,3--我如何将其转化为颜色？

target <- as.factor(target)  #   target нужен для того чтобы окрасить точки в цвет целевой

scatter3d(x = um.res[,1], 
          y = um.res[,2], 
          z = um.res[,3],
          groups = target,
          grid = FALSE, 
          surface = FALSE,
          ellipsoid = FALSE,
            bg.col = "black")
 
mytarmailS:

你甚至可以用它来识别新的数据

你是什么意思，什么数据？从哪里来？

 
Aleksey Vyazmikin:

也许目标应该是按这些岛屿的数量来确定？我不明白这种可视化的定性评估。


你必须明白，这些集群是一个客观现实，是你的数据的真实结构...

你的目标是一个主观的现实，这就是为什么你的类标签与集群结构无关的原因

看看这个例子，你就会明白一切。


你必须指定颜色--背面是黑色的，而其他的是1,2,3--你如何将其转化为颜色？

请看手册中的评论，那里有所有的内容。

 
Aleksey Vyazmikin:

你是什么意思，什么样的数据？从哪里来？

)))

与通常的福雷斯特网一样，新的数据出现，它可以被保存的模型所识别

 
mytarmailS:

你必须明白，这些集群是一个客观现实，是你的数据的真实结构...

你的目标是一个主观的现实（自我现实），所以你的类别标签与集群的结构没有关系。

所以，我在想，如果我们把这个样本分割成这些岛屿，并且已经在里面做了模型训练，会怎么样？

不同的聚类表明影响结果的因素不同，或者说它们的权重不同。

只有这个部门应该如何做......


这里顺便从另一个角度看所有相同的完整数据--4个集群是可见的


 
Aleksey Vyazmikin:

所以我不知道如何使用这个工具，除了作为培训的样本准备度的评估....。

按照预期使用它--将多维空间可视化，以评估数据结构，是否有集群或它是一个点云，等等。

1...191219131914191519161917191819191920192119221923192419251926...3399
新评论