交易中的机器学习：理论、模型、实践和算法交易 - 页 3178

新评论
 
Forester #:
只要将色谱柱与目标色谱柱混合不就行了吗？ Tail 和系列的其他参数将保持不变。我认为这是一个优点。

也不错。最好两种方法都试试。如果性状中有很多离群值（尾部较重），结果可能会不同，这可能会提供更多信息。

 
Aleksey Vyazmikin #:

教派的问题在于他们害怕自己的宗教信条受到检验。

模式总是有很多，问题在于选择正确的模式。

至少我已经尝试过了。

 
Aleksey Vyazmikin #:

你能详细说说吗--我不明白。

一个已知的无意义任务可以通过随机混合标签（或随机生成概率等于类别频率的标签）来获得。

思路还是一样的--从大量故意制造的无意义问题的结果中抽取大量样本，与真实问题的结果进行比较。如果真实结果不在这个样本的尾部，那么这个方法就相当糟糕。

 
Maxim Dmitrievsky #:

至少我试过了。

您知道，在 CatBoost 中可以使用不同的方法对预测指标进行量化吗？

您是否认为程序员只是为那些内存不足的人提供了这种可能性？

还是开发人员意识到训练结果直接取决于这些表格？

最后--自己重新安排表格设置，看看结果的变化。

然后你就会想到为什么会出现这种情况，也许你就会开始更好地理解我了。


任何以传教士/预言家/神棍的口吻发表的言论都是没有参考价值的。我把它们理解为炫耀自己的欲望。

 
Aleksey Nikolayev #:

只需将标签随机洗牌（或以与类别频率相等的概率随机生成标签），就能得到毫无意义的任务。

我们的想法是一样的，即从大量明显无意义的任务结果中抽取大量样本，与真实任务的结果进行比较。如果真实结果不在这个样本的尾部，那么这个方法就很糟糕。

也许 "混合 "以保持 0 和 1 的比例会更好。

 
Aleksey Vyazmikin #:

您明白为什么 CatBoost 可以选择使用不同的方法量化预测分数吗？

您是否认为程序员只是为那些内存不足的人提供了这种可能性？

还是开发人员意识到训练结果直接取决于这些表格？

最后--自己重新安排表格设置，看看结果的变化。

然后，你会思考为什么会出现这种情况，也许你会开始更好地理解我。


任何以传教士/预言家/术士的口吻发表的言论都不具有参考价值。在我看来，他们是在炫耀自己。

建议询问他们购物车中的开发者，因为我不知道他们是做什么的。
 
Maxim Dmitrievsky #:
建议在购物车中询问开发人员

不要以防他们回答错误）。

 
Aleksey Nikolayev #:

不要。以防他们答错）

😁😁
 
Maxim Dmitrievsky #:
建议询问购物车中的开发人员，因为我不知道他们在做什么。

既然你不懂，那就去问他们。

此外，有些助推器会在每次拆分后对预测器进行量化，对剩余部分进行量化。

不光是我，参赛者有时也会提到这方面的工作。

总之，我不会再强迫你了。

 
Aleksey Vyazmikin #:

不懂就问。

此外，有些助推器会在每次拆分后量化预测因子，量化剩余部分。

不仅我在用，参加比赛的人有时也会提到这方面的工作。

总之，我就不再强行灌输了。

如果从舰队到英特的转换主要是为了加速大数据的处理，那我为什么还要问呢？

奖金可以是对模型的一个小校准，好坏由运气决定。

他们只会给你同样的答案，所以你可能不敢问，因为这会让你多年的努力付之东流：)

这是翻找算法的内衣。
1...317131723173317431753176317731783179318031813182318331843185...3399
新评论