막심 드미트리예프스키 # : 커스텀 메트릭은 모델을 선택하는 데 사용되지만 훈련은 여전히 표준 메트릭을 기반으로 합니다(예: 분류를 위한 logloss). 귀하의 메트릭은 기능/목표 비율과 관련이 없고 표준 비율과 관련이 있기 때문입니다. 그리고 여기까지는 말하자면 샤프 비율에 따라 나중에 모델을 선택할지 R2에 따라 선택할지, 최대화되면 즉시 학습을 중단할지 명확하지 않습니다. 아마 이런 식으로 할 수 있습니다.
막심 드미트리예프스키 # : 당신은 전 세계 커뮤니티에 대한 일본의 수치심을 표현했습니다) 많은 사용자 정의 메트릭 세트가 있지만 주요 교육은 로그 손실을 최소화하는 것입니다. 맞춤 제작에 대한 교육을 중지합니다. 베이스와 커스텀 베이스의 일치는 크며 짜내는 것은 의미가 없습니다. 학생을 배우다
Logloss는 내가 이해하는 한 기능과 대상 간의 상호 정보의 양을 보여줍니다. 이것은 의존의 형태에 대한 설명 없이 가장 객관적인 f-I입니다. 모델은 이러한 정보의 손실을 최소화하도록 훈련되며, 특히 이러한 방식으로 작업을 부스팅합니다. 사용자 정의 항목 위에 무엇을 추가합니까? 교육 중에 중지됩니다.
흥미롭지 만 어디서부터 시작해야할지 모르겠습니다. 손실은 분명히 시장 패턴에 대한 몇 가지 아이디어를 포함해야 합니다. 예를 들어 변동성을 조정할 수 있습니다.
아주 간단한 것부터 시작하는 것으로 생각합니다. 로지스틱 회귀를 통해 두 가지 클래스(입력/비입력)와 소수의 기능으로 분류합니다. 주제가 인기가 없는 이유를 이해하기 위해.
커스텀 메트릭은 모델을 선택하는 데 사용되지만 훈련은 여전히 표준 메트릭을 기반으로 합니다(예: 분류를 위한 logloss). 귀하의 메트릭은 기능/목표 비율과 관련이 없고 표준 비율과 관련이 있기 때문입니다. 그리고 여기까지는 말하자면 샤프 비율에 따라 나중에 모델을 선택할지 R2에 따라 선택할지, 최대화되면 즉시 학습을 중단할지 명확하지 않습니다. 아마 이런 식으로 할 수 있습니다.
완전 망상이야, 너 좀 부끄럽다..
그래도 표준 메트릭을 완전히 거부하고 메타트레이더 최적화에 사용되는 것과 유사한 메트릭으로 바꾸는 실험을 하는 것은 흥미로울 것입니다. 대부분의 경우 더 낮은 수준으로 이동하여 최적화 패키지로 직접 작업해야 할 것입니다.
반년동안 말씀드린건데 FITNESS FUNCTION을 통해 AMO를 훈련시키는게 좋습니다!!
완전 망상이야, 너 좀 부끄럽다..
당신은 전 세계 커뮤니티에 대한 일본의 수치심을 표현했습니다) 많은 사용자 정의 메트릭 세트가 있지만 주요 교육은 로그 손실을 최소화하는 것입니다. 맞춤 제작에 대한 교육을 중지합니다. 베이스와 커스텀 베이스의 일치는 크며 짜내는 것은 의미가 없습니다. 학생을 배우다
나는 평생 학생이다
나는 평생 학생이다
Logloss는 내가 이해하는 한 기능과 대상 간의 상호 정보의 양을 보여줍니다. 이것은 의존 유형을 설명하지 않고 가장 객관적인 f-I입니다. 모델은 이러한 정보의 손실을 최소화하도록 훈련되며, 특히 이러한 방식으로 작업을 부스팅합니다.
예시..
특성 데이터 프레임 "X"가 있습니다.
모델 "M"이 있습니다
5개의 시계열 "ts5"가 있습니다.
일 -
모델 "M"은 "X"를 입력으로 사용합니다(모든 것이 평소와 다름)
출력에서 "M"은 다음과 같은 두 개의 벡터를 생성합니다.
1) 최대 고정
2) 모든 "ts5"와 가능한 한 많은 상관 관계를 갖지 않습니다.
일반적인 형식의 대상은 없으며 모델 출력에 대한 요구 사항이 있습니다.
우리는 가격, zz, Ypres 반환을 예측하지 않습니다. 그건 완전히 다른 이야기입니다.
즉시 사용할 수 있는 부스트를 사용하여 이 문제를 어떻게 해결할 수 있습니까?
예시..
특성 데이터 프레임 "X"가 있습니다.
모델 "M"이 있습니다
5개의 시계열 "ts5"가 있습니다.
일 -
모델 "M"은 "X"를 입력으로 사용합니다(모든 것이 평소와 다름)
출력에서 "M"은 다음과 같은 두 개의 벡터를 생성합니다.
1) 최대 고정
2) 모든 "ts5"와 가능한 한 많은 상관 관계를 갖지 않습니다.
일반적인 형식의 대상은 없으며 모델 출력에 대한 요구 사항이 있습니다.
우리는 가격, zz, Ypres 반환을 예측하지 않습니다. 그건 완전히 다른 이야기입니다.
즉시 사용할 수 있는 부스트를 사용하여 이 문제를 어떻게 해결할 수 있습니까?
대상을 열거하면 작업이 반대입니다.
1) 모델을 수백만 번 훈련하고 어떤 일이 발생하는지 확인합니까?
예, 글쎄, 천장이나 f-th에서 목표물을 가져 가라. 설명에서 내가 이해한 한, 당신은 거꾸로 훈련을 합니다. 고전적인 것보다 장점은 무엇입니까, 이 질문에 대답해야 할 것입니다.
))))
나는 모든 것을 합친다)