Яндекс разработал новый метод машинного обучения CatBoost. Он позволяет эффективно обучать модели на разнородных данных — таких как местонахождение пользователя, история операций и тип устройства. Библиотека машинного обучения CatBoost выложена в открытый доступ, ее могут использовать все желающие. Для работы с CatBoost достаточно установить...
https://www.searchengines.ru/yandeks-vylozhil-v-dostup-biblioteku.html
R包在那里，太好了。
安装 -https://tech.yandex.com/catboost/doc/dg/concepts/r-installation-docpage/
1）预装Visual C++ 2015构建工具 -http://landinghub.visualstudio.com/visual-cpp-build-tools
为什么是R，我不喜欢它......命令行或dll :)
我做了一个神经网络回归预测器，它显示了当前价格预测模型的柱状图，用于预测未来的n个柱子（本例中为15个），训练了5000个柱子，每500个柱子重新训练。一看就很好，当然它的工作速度没有我想的那么快，因为我其实想训练他们几个人:)
因此，如果你看一下会议记录--差异相当小，当然它在极端排放上可能很高，但平均在100点（5位数）范围内。
我已经用箭头圈出了最美味的东西
不像我希望的那样快速工作。
在ALGLIB上？
在ALGLIB上？
是的
当然，你可以用外部NS或脚手架得到扭曲，例如GPU上的CatBoost，但我太懒了，没有时间去做。
这一切都归结于速度，你的速度越高，就越难在测试器中运行它。
ALGLIB是一个可怕的学习制动器。
在ALGLIB上提供了240-50-1的净值--等了2天，没等来就关闭了。
我在半小时内训练了70-5-1网络。而来自R的nnet用同样的数据训练了不到1分钟。现在我正试图用R来解决这个问题。
ALGLIB是一个可怕的学习制动器。
在ALGLIB上提供了240-50-1的净值--等了2天，没等来就关闭了。
我在半小时内训练了70-5-1网络。而来自R的nnet用同样的数据训练了不到1分钟。所以现在我坐在这里处理R的问题。
射频或多或少，50个输入5000个，100棵树，平均25秒（在笔记本电脑上）。但对于优化来说，它也是非常长的。NS真的很慢，但它是普通的MLP，你不应该对它有任何期待。
我需要它最多在一秒钟内学会所有东西，在哪里可以得到它？)
我再次确信，脚手架不能推断，不管这里有多少人感叹它不能推断。
红线以上的150个训练价格（进场和出场）。之后，市场开始下跌，出现了新的价格，这些价格不在训练样本中（没有被输入到输出中）。森林开始产生他们在训练时知道的最低价格作为预测，即1.17320，这对应于水平线。这导致残差直方图也出现了偏斜。
森林不知道如何 进行探险。所有聪明的人都被留在第二年，重新学习数学。
- 就像决策树一样，该算法完全无法进行推断。
http://alglib.sources.ru/dataanalysis/decisionforest.php没有任何转换的价格不会被送入模型。
外推的脚手架采取最近的已知值。外推法中的神经元或标尺会根据内部公式计算出一些东西。但实际上所有这些模型在这种情况下都会合并，所以没有什么区别。