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。