а можно первые 1000 строк разделить на 99 квантов. а 315 или 88 или 4121 - не в какой то супер хитрой формуле где строки объединяются по предсказательной способности, которой вы хотите делать поиск критериев оценки этого квантового отрезка. что там гениальные методы квантования или что-то типа такого. характеризующих выборку, которая попала в квантовый отрезок
我指的是对一系列数据进行分段评估,以确定属于某一类的概率比整个范围的平均值大 x% 的块(量子段)。
什么是量化?)
catbust 前不久发布了一个代码。
在我提到的上下文中,它是对一定范围内的数据进行片段评估,以确定属于某一类的概率比整个范围内的平均值高 x% 的片段(量子片段)。
不久前 catbusta 提供了一个代码。
看一看就知道怎么回事了。
不久前 catbusta 提供了一个代码。
它很复杂。对列进行排序,然后将其分成 32 份,例如,如果有重复,那么所有的重复都会被扔进量子中。如果列中只有 0 和 1,那么就会有 2 个量子,而不是 32 个(因为有重复)。提升和利润最大化进展如何?
目前还不太顺利,尤其是在 "蹦跳 "方面)它需要平滑度,这样才会有梯度和 Hessian。利润不会如此,所以你需要考虑如何使其平滑。
我最近在这里写过的单棵树的局部变体,目前对我来说已经足够了。
在我提到的情况下--对一定范围的数据进行片段评估,以确定属于某个类别的概率比整个范围的平均值大 x% 的块(量子段)。
从本质上讲,这就是在每个预测因子上分别构建一棵树。
到目前为止还没有办法,特别是对于波形来说)你需要平滑,所以你需要渐变和 Hessian。利润不会是这样的,所以我们需要考虑如何使其平滑。
我最近在这里写过一篇关于单棵树的局部变体的文章,现在对我来说已经足够了。
你看过我给你链接的那个视频吗?
那个人刚才在讲如何通过 RL 将一棵不平滑的树转换成一棵平滑的树。
民间智慧说,只见树木,不见森林。我想知道摘树叶能不能看到树,我不是在问森林。
这是你知道的唯一算法吗?还是最有效的?你为什么执着于它呢?
这只是一闪而过的念头。
祝你好运
这个问题很有意义。对我来说,答案大致是:如果预测因子是同质的(如图片的像素或最后 N 根蜡烛),那么类别的形状可以是任意的,因此规则并不十分合适。如果预测因子是异质的(如价格和时间),那么类更有可能具有规则给出的矩形形状。
当然,这并没有明确的理由,只是一种假设。
你看了我链接的视频吗?
那个人在讲如何通过 RL 将非平滑转换为平滑
我想这是不同的数学方法。我解释不清楚,因为我自己也不完全明白。在 Bousting 中,梯度是由函数决定的,而在视频中,梯度通常是由网络权重决定的。
资料夹的数据范围或数值范围?
描述数据的预测器的取值范围。
我已经在这里 对算法进行了实际描述--这里有一张 RSI 的图片。