交易中的机器学习：理论、模型、实践和算法交易 - 页 2647

新评论
 
Maxim Kuznetsov #:

威 ！

我理解您，您受过特殊教育，有特殊经验，与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验？）

但你能嘲笑他们多少次？

我只是在嘲笑他们，我写的就是事实。
 
Maxim Kuznetsov #:

威 ！

我理解您，您受过特殊教育，有特殊经验，与 .... "活动家 "不同。(你有经济学和离婚中心的专业经验？）

但你能取笑他们多少次？

哦，施特尔利茨们/反施特尔利茨们在这里）。

 
没事...正常渠道有弯曲和异物，但渠道稳定))))
 
Valeriy Yastremskiy #:
没事...正常通道有弯曲和外来夹杂物，但通道是稳定的))))。
这是 runet 中最有用、最专业的讨论，您可以对其进行慕课。
 
Aleksey Nikolayev #:

在我看来，一个简单的算法只对预测因子集合中的有限部分起作用是很正常的。

你可以从样本中逐步去除 "好 "的样本，然后将算法应用于剩余的样本。从本质上讲，这类似于 "剔除"（bousting）。或许，你也可以采用类似于随机森林的方法--获取一大组预测因子，然后为每个子集找到几个方框。

如果我没理解错的话，组合预测因子的目的是以不相互重叠的方式排列已识别的方框，即使重叠，也不会明显恶化结果，对吗？

 
Maxim Dmitrievsky #:
我跟你开玩笑的，我说的都是实话

你只是没看到幕后花絮而已。

;)

 
Renat Akhtyamov #:

你只是没有看到幕后的故事。

;)

我当然看到了，不久前我们还在嘲笑你的猴子呢。
 
Aleksey Vyazmikin #:

如果我没理解错的话，组合预测因子的目的是以不相互重叠的方式排列已识别的方框，即使重叠也不会明显恶化结果，对吗？

我认为，如何处理检测到的方框是一个复杂的问题，几乎没有针对所有可能情况的明确规则。一个好的、经过深思熟虑的算法可能是相当隐秘的 "诀窍"）。

如果案例是根据同一组预测因子得到的，那么它们之间没有交集就足够了。如果有交集，则可以将其分配到一个单独的盒子中，其补集也可以分成几个盒子。但是，盒子数量过多会使样本过于分散。因此，我们可以概括方框的概念--在规则语言中，这意味着在 AND 的基础上增加否定和 OR。

如果方框是在完全不同的预测因子上得到的（例如，通过随机森林方法），那么它们只能在样本中属于它们的部分的意义上重叠。这里可能需要一些近似组合的想法。

如果预测集有部分重叠，那么很可能是多种方法的混合，但目前还很难确定。

我还不清楚如何将其纳入一个统一的方案。构建决策树的标准方法简单而 "漂亮 "地规避了这些问题，因此不太适合我们的目的。也许可以通过选择一种剪枝算法来改进它，但我认为最好还是创造性地重新设计规则构建算法。

 
Maxim Dmitrievsky #:
我们不久前还嘲笑你的猴子呢。

有道理，即使是木偶剧院也有后台）。

 
Aleksey Nikolayev #:

有道理，即使是木偶戏也有后台）

:D

1...264026412642264326442645264626472648264926502651265226532654...3399
新评论