交易中的机器学习：理论、模型、实践和算法交易 - 页 3337

新评论
 
mytarmailS #:

你想过为什么会出现这种情况吗？

这实际上是工作表中的一种错误模式。造成这种情况的原因可能有很多。

或者你有具体明确的答案？

 
Maxim Dmitrievsky #:

测试输出到天真代码的模型的速度 (catbust)

并导出为 ONNX

两个版本的机器人内部结构几乎相似，结果也一样。

为通用性买单。

遗憾的是，CatBoost 在模型转换方面有很大的局限性。

 
Aleksey Vyazmikin #:

多功能的代价

可惜的是，CatBoost 在模型转换方面有很大的局限性。

我开始深入研究对象的重要性，那里提供了整整一篇文章。我会看看它能提供什么。
 
Maxim Dmitrievsky #:
我开始仔细研究物体的重要性，发现有一整篇文章都在介绍。我会看看它能提供什么。

很高兴看到你仍然感兴趣。写写你在研究这种方法的实用性方面的进展吧。

 
Forester #:

我想我会尝试在考虑到逐步误差修正的情况下，在每一片叶子（树）后进行重新分区，重新进行叶子估算。

但是，当分类.....，效果似乎还是不一样。我不太理解这些公式。

我的理解是，在第一次迭代时，会在目标标签上建立一个近似 loglosses 的近似函数，该函数应在树的帮助下接近，理想函数和在树的帮助下获得的函数之间的△在乘以学习率系数后被写入叶子中。

只是，如果按照字面意思来标注错误，那么在两个不同的类别中标注一个错误，比方说 "1"，有必要吗？

还是什么？

 
Aleksey Vyazmikin #:

很高兴能引起你的兴趣。写写在研究这种方法的实用性方面取得的进展。

我已经研究这个话题很久了。还有其他方法/软件包。不知怎么漏掉了这个功能，也许是最近添加的
 
Maxim Dmitrievsky #:
我已经在这个主题上讨论了很久。还有其他方法/软件包。这个功能不知何故被遗漏了，也许他们最近才添加的

您可以观看有关此主题的视频


 
Aleksey Vyazmikin #:

叶子中的值相加形成函数的 Y 坐标。

对我来说，这就是叶子的答案或预测。我以为你想用某个系数来修正它。

Aleksey Vyazmikin#:
 只是，如果按照字面意思来标注错误，那么两个不同类别的错误是否应该用一个来标注，比方说 "1"？

或者，如何标记？

在文章中的训练示例中，只有回归。至于分类，我就不知道了。

 
Aleksey Vyazmikin #:

您可以观看有关这一主题的视频

有趣的是，如果你从事 MO 或多或少有很长一段时间了，你就会得出类似的结论。这是方法进化的自然过程。这就是 kozul、统计学习和可靠人工智能的由来。如果你用谷歌搜索这些词，就能找到有用的东西。
 
Forester #:

在文章中的训练示例中，只有回归。我不清楚分类的情况。

关于分类，这里 有写。但 CatBoost 的计算公式略有不同，也许这就是数学变换的代价....。

还有一个视频链接，我想是来自同一个地方。


1...333033313332333333343335333633373338333933403341334233433344...3399
新评论