mytarmailS # : 그래서 파이썬에는 백테스팅을 위한 패키지가 있습니다. 왜 그것을 사용하지 않습니까?
아니면 최적화로 테스터를 작성하셨습니까?
기성품, 약간의 유연성을 좋아하지 않았습니다. 나는 내 자신의 메트릭을 사용하여 내 작업을 위해 작성했습니다. 대략적으로, 입력 따옴표 및 모델 결과. 또한, 저는 이제 여러 번 재훈련되어 반복적으로 개선되는 2개의 "적대적" 모델이 있습니다. 개선 결과도 테스터로부터 가져옵니다.
글쎄, 이제 생성적으로 건설적인 알고리즘에 대한 유행이 있다는 것을 이해하지만, 실제로 자체적으로 수행하는 하나의 복잡한 알고리즘에서 생성되고 서로를 개선하는 두 가지 조건부로 간단한 알고리즘의 이점이 무엇인지, 대략적으로 말하자면, 더 많이 빌드합니다. 두 사람보다 복잡한 결정 규칙 자체가 ...
mytarmailS # : 글쎄, 이제 생성적으로 건설적인 알고리즘에 대한 유행이 있다는 것을 이해하지만, 실제로 자체적으로 수행하는 하나의 복잡한 알고리즘에서 생성되고 서로를 개선하는 두 가지 조건부로 간단한 알고리즘의 이점이 무엇인지, 대략적으로 말하자면, 더 많이 빌드합니다. 두 사람보다 복잡한 결정 규칙 자체가 ...
혜택은 잘 모르겠고 그냥 패션
그리고 이것저것 만들어보니 괜찮은 것 같다.) 문제는 자동으로 모델의 오류와 정말 안정적인 패턴을 찾는 데 있다. 그것은 처음부터 주요 아이디어와 같습니다. 거기에서 접근 방식이 다를 수 있습니다. 한 모델은 자체적으로 수정할 수 없으며 두 모델은 이미 수정할 수 있습니다.
모델을 훈련시킨다고 가정해 봅시다. 좋지 않습니다. 무엇을 할까요? 스스로 선택하시겠습니까? Nifiga, 사람은 집중적 인 작업을 위해 태어난 것이 아니라 사람을 두 번째 모델로 교체합니다.
막심 드미트리예프스키 # : 이것은 다릅니다. 최적화를 통해 적합할 것입니다. 분석과 오류 수정을 통해 모형도 적합하지만 잉여를 버리면 안정적인 패턴을 찾을 수 있습니다. 적어도 당신은 안정이 있는 어떤 종류의 고원을 찾습니다. 유전학의 간단한 열거를 통해 더 어렵습니다, 더 손으로.
기본 예
최대의 이익을 위해 AMO를 훈련시켜야 합니다. 무엇을 하시겠습니까?
1) 당신은 목표를 만들 것입니다
2) 모델 조정 예를 들어 RMSE에 따른 표준 메트릭에 따름(이것은 그다지 중요하지 않음)
3) 최고의 모델 그룹 을 만듭니다.
4) 수익이 가장 높은 그룹에서 최고의 모델을 선택합니다.
그리고 이제 질문은 다음과 같습니다. 귀하의 그룹 이 글로벌 면 에서 최고의 모델 중 절대 정상이라고 생각하는 이유는 무엇입니까? 두 가지 주관적인 필터를 통해 모델을 실행했기 때문에
(1) 목표 및 (2) 오류 측정 RMSE
즉시 가중치를 변경하고(뉴런인 경우), 최대 이익을 목표로 규칙을 생성(나무인 경우), 수사학적 질문 .. 물론, 더 좋고 빠르게
2) 모델 조정 예를 들어 RMSE에 따른 표준 메트릭에 따름(이것은 그다지 중요하지 않음)
3) 최고의 모델 그룹 을 만듭니다.
4) 수익이 가장 높은 그룹에서 최고의 모델을 선택합니다.
그리고 이제 질문은 다음과 같습니다. 귀하의 그룹 이 글로벌 면 에서 최고의 모델 중 절대 정상이라고 생각하는 이유는 무엇입니까? 두 가지 주관적인 필터를 통해 모델을 실행했기 때문에
(1) 목표 및 (2) 오류 측정 RMSE
즉시 가중치를 변경하고(뉴런인 경우), 최대 이익을 목표로 규칙을 생성(나무인 경우), 수사학적 질문 .. 물론, 더 좋고 빠르게
결론은 수백만 달러를 벌어들이는 다른 모델 그룹을 놓치고 있다는 것입니다.
나는 잔액에 따라 R2에 따라 손실 거래의 최소 수와 함께 선택하지만 가장 낮은 엔트로피(logloss)와 최대 acurasi를 사용합니다. 따라서 기본 모델이 가장 수익성이 높습니다. 결합된 기준을 얻습니다. 또한 교차 검증 결과를 평가에 추가하는 것도 나쁘지 않을 것입니다. 손이 닿을 때까지.
이제 파이썬으로 편리합니다. 테스터를 작성했지만 API를 통해 모델을 전송하거나 거래할 수 있습니다. ONNX가 추가되면 일반적으로 총이있을 것입니다.
그래서 파이썬에는 백테스팅을 위한 패키지가 있습니다. 왜 그것을 사용하지 않습니까?
글쎄, 이제 생성적으로 건설적인 알고리즘에 대한 유행이 있다는 것을 이해하지만, 실제로 자체적으로 수행하는 하나의 복잡한 알고리즘에서 생성되고 서로를 개선하는 두 가지 조건부로 간단한 알고리즘의 이점이 무엇인지, 대략적으로 말하자면, 더 많이 빌드합니다. 두 사람보다 복잡한 결정 규칙 자체가 ...
들어보세요. 마침내 최적화 알고리즘, 피트니스 기능에 익숙해지고 사각형 바퀴로 바퀴를 재발명하지 마십시오.
이것은 다릅니다. 최적화를 통해 적합할 것입니다. 분석과 오류 수정을 통해 모형도 적합하지만 잉여를 버리면 안정적인 패턴을 찾을 수 있습니다. 적어도 당신은 안정이 있는 어떤 종류의 고원을 찾습니다. 유전학의 간단한 열거를 통해 더 어렵습니다, 더 손으로.
기본 예
최대의 이익을 위해 AMO를 훈련시켜야 합니다. 무엇을 하시겠습니까?
1) 당신은 목표를 만들 것입니다
2) 모델 조정 예를 들어 RMSE에 따른 표준 메트릭에 따름(이것은 그다지 중요하지 않음)
3) 최고의 모델 그룹 을 만듭니다.
4) 수익이 가장 높은 그룹에서 최고의 모델을 선택합니다.
그리고 이제 질문은 다음과 같습니다. 귀하의 그룹 이 글로벌 면 에서 최고의 모델 중 절대 정상이라고 생각하는 이유는 무엇입니까? 두 가지 주관적인 필터를 통해 모델을 실행했기 때문에
(1) 목표 및 (2) 오류 측정 RMSE
즉시 가중치를 변경하고(뉴런인 경우), 최대 이익을 목표로 규칙을 생성(나무인 경우), 수사학적 질문 .. 물론, 더 좋고 빠르게
결론은 수백만 달러를 벌어들이는 다른 모델 그룹을 놓치고 있다는 것입니다.
기본 예
최대의 이익을 위해 AMO를 훈련시켜야 합니다. 무엇을 하시겠습니까?
1) 당신은 목표를 만들 것입니다
2) 모델 조정 예를 들어 RMSE에 따른 표준 메트릭에 따름(이것은 그다지 중요하지 않음)
3) 최고의 모델 그룹 을 만듭니다.
4) 수익이 가장 높은 그룹에서 최고의 모델을 선택합니다.
그리고 이제 질문은 다음과 같습니다. 귀하의 그룹 이 글로벌 면 에서 최고의 모델 중 절대 정상이라고 생각하는 이유는 무엇입니까? 두 가지 주관적인 필터를 통해 모델을 실행했기 때문에
(1) 목표 및 (2) 오류 측정 RMSE
즉시 가중치를 변경하고(뉴런인 경우), 최대 이익을 목표로 규칙을 생성(나무인 경우), 수사학적 질문 .. 물론, 더 좋고 빠르게
결론은 수백만 달러를 벌어들이는 다른 모델 그룹을 놓치고 있다는 것입니다.
나는 잔액에 따라 R2에 따라 손실 거래의 최소 수와 함께 선택하지만 가장 낮은 엔트로피(logloss)와 최대 acurasi를 사용합니다. 따라서 기본 모델이 가장 수익성이 높습니다.
기성품 중에서 선택하거나 모델을 생성할 수 있습니다. 그게 다 차이야
기성품 중에서 선택하거나 모델을 생성할 수 있습니다. 그게 다 차이야