Reinforcement Learning (RL) is a computational approach to goal-directed learning performed by an agent that interacts with a typically stochastic environment which the agent has incomplete information about. RL aims to automate how the agent makes decisions to achieve a long-term objective by learning the value of states and actions from a...
怎么说呢，我请您制作一个脚本--是的，我引用 "您能否用 R 语言制作一个脚本，为我的样本进行计算--我会为了实验而运行它。实验应该能揭示最佳样本量。"，但这是对已经做过的事情的回应。
早些时候我写道"...你打算如何观察动态，如何实现？" - 这里我问的是在动态中实现预测器估计，即通过某个窗口进行定期估计，但不清楚是在每个新样本上还是在每 n 个样本后设置窗口。如果您已经这样做了，那我就不明白了。
您发布的代码很棒，但我很难理解它的具体作用或本质证明，所以我开始提出更多问题。这两张带图的图片是什么意思？
在滑动窗口中，重新训练模型，查看特征的重要性，或者直接提取一些好的特征标识符，在 Sk.窗口。
...
此外，还有 不同的特征选择器 可满足各种需求，大概是 R-ka 中可用功能的 5%。
浮动窗口大小以获得有效估计，而不仅仅是按步浮动或常数浮动，--这就是问题所在--每次迭代只调整窗口大小--模型将需要很长时间来学习......定期手动再训练本身就是一个滑动窗口！-- 如果您有自己的再训练计划，您也可以将其自动化。但我要重申，窗口大小也是浮动的。
...
有什么不同？- 从算法上讲，它始终是一种特征映射（！），不管你怎么称呼它，...只是它有自己的细微差别和应用领域。
即使不是每个人都想称之为相关性
我依据的是预测者-教师相关性的概念。"联系 "不是相关性，也不是几乎所有 MOE 模型拟合预测因子的 "重要性"。
Caret 链接--同样的分类和回归训练--作为微不足道的 MO，与 Python 的 sklearn 相同。
只是，MO 的创建不仅是为了建立概率模型（基于现有概率分布），也是为了建立行列式和动态模型...但任何概率概括的基础始终（！）是统计（及其相关性），无论你如何称呼它...否则，你将得到有偏差的（！）估计值--也就是说，你的模型将模拟其他东西（随机的），而不是你的目标。
我们需要做些什么才能停止争斗，团结起来实现一个目标????????
好问题！
---
我们需要认识到是买家多还是卖家多。
但唯一的问题是，如果价格下降，肯定会有更多的买家！
caret 链接 - 相同的分类和回归训练 - 作为微不足道的 MO，相同的 Python sklearn。
再仔细读读，你就不需要胡编乱造了
该脚本使用两种不同的算法计算滑动窗口中预测因子的重要性，一种是最重要的 算法，另一种是其他算法...就像你问的那样
福雷斯特给出了预测因子在特定算法中的使用频率，因此很容易将与目标无关的预测因子赋予较高的重要性。
仔细阅读，不要胡编乱造。
如果 "caret "实际上是这样拼写的，那你就读不仔细了。
Forrest 提供了特定算法中预测因子的使用频率，因此很容易对与目标无关的预测因子给予较高的重视。
我再说一遍：现在有几十种现成的样本选择器，每个人都在寻找与目标之间的联系，一切都已经先于我们，在很久以前就已经发明出来了。
我好像看到过一些关于生存分析应用的提示。这方面有什么有趣的东西吗？我有一些想法，就是在触发止损之前，用交易中预期方向的最大价格波动值来替代击穿时间。基本思路是寻找随机游荡行为的偏差。顺便说一下，在这一领域，matstat（例如 Cox 回归）和 MO 的使用也非常发达。
... 窗口大小也是浮动窗口大小
在使用（可能是随机的）策略 的模型与环境相互作用产生数据的 RL 环境中，ML 面临着独特的挑战
也就是说，首先必须对当前环境进行建模，然后对环境中的 fs 以及相应的行为进行建模，即行为体必须有一个状态--这是切换到新窗口（又称考虑浮动窗口大小）的基础，因此也是切换到新环境策略以及行为体在其中的相应/新行为的基础......一般来说，深度强化学习 可能更合适，其中
例如，博弈论（行为者与环境的互动）和信息论 （信息与行为者的反应和环境反应的切线，即新的环境条件正在形成，又称后果）......- 顺便说一句，我不明白 桑桑尼奇-福缅科 所说的信息论 是什么意思. .....还是他的论文又被误读了？
p.s. 我还没有亲自测试过这个例子....。
如果 Caret 真的是它所代表的意思，那我就再小心不过了。
它说的是classDist {caret}，也就是说，它指定了一个属于caret PACKAGE 的特定函数。
据我所知，你不懂 R。那你为什么还要在这个主题和 MO 上浪费时间呢？
不掌握 R 语言，讨论 MO 就毫无意义。