Maxim Dmitrievsky #: 저는 전혀 선거운동을 하지 않습니다. 질문은 MO에 대한 지식에 관한 것이었고, 많은 접근 방식이 있습니다.
글쎄요, 저는 개인적으로 모델의 답을 수업 중도 탈락 확률과 연관시키지 않았고, 수업 정의에 대한 모델의 신뢰도로 간주했습니다. 신뢰도는 잎으로 계산되며, 잎은 훈련 샘플로 계산됩니다. 여기서 하나의 리프는 클래스 중도 탈락 확률을 나타냅니다. 각 잎은 샘플의 모든 지점에서 응답이 없기 때문에 모델의 최종 응답에서 확률의 합이 왜곡된 것으로 나타났습니다. 아마도이 수준에서 수정할 수있는 방법이있을 수 있으며 관심이 있습니다. 저는이 방향으로 토론을 돌리려고했습니다.
제 생각에는 해결책은 비슷한 응답 지점으로 잎을 그룹화하고 그룹의 평균 요약 결과를 추가로 변환하는 것입니다....
저는 개인적으로 모델의 응답을 클래스 중도 탈락 확률과 연관시키지 않고 클래스 감지에 대한 모델의 신뢰도로 간주했습니다. 신뢰도는 잎을 기반으로 하고 잎은 훈련 샘플을 기반으로 합니다. 여기서 하나의 리프는 클래스 탈락 확률을 나타냅니다. 각 리프는 샘플의 모든 지점에서 응답이 없기 때문에 모델의 최종 응답에서 확률의 합이 왜곡된 것으로 나타났습니다. 아마도 이 수준에서 수정할 수 있는 방법이 있을 것 같고, 저도 관심이 있어서 토론의 방향을 이쪽으로 돌리려고 했습니다.
제 생각에 해결책은 비슷한 응답 지점을 기준으로 잎을 그룹화하고 그룹의 평균 요약 결과를 추가로 변형하는 것입니다. ....
죄송하지만 라이브러리, 노트북 또는 기사에 대한 참조가 없으면 대략 다음과 같이 생각합니다.
CV 방법으로 분류기를 보정하면 이 모델의 잠재력을 즉시 확인할 수 있습니다. 아무것도 할 수 없는 경우 이 절차를 거친 후 확률이 0.5 정도로 수렴합니다. 그 전에는 지나치게 자신만만했지만요. 그러한 모델을 더 이상 조작하는 것은 전혀 관심이 없습니다. 개선할 수 없습니다. 즉, 정상적으로 보정 할 수도없고 물고기가 없습니다. 아주 편리합니다.
"퀀텀 컷"은 없으며, 귀하의 말에 따르면 가능한 이익을 줄 수있는 범위 나 빈이 없습니다.
CV 방법을 사용하여 분류기를 보정하면 해당 모델의 잠재력을 즉시 확인할 수 있습니다. 아무것도 할 수 없는 경우 이 절차가 끝나면 확률이 0.5 정도로 뭉쳐집니다. 그 전에는 지나치게 자신만만했지만요. 그러한 모델을 더 이상 만지는 것은 전혀 관심이 없습니다. 개선 할 수 없습니다. 즉, 정상적으로 보정 할 수도없고 물고기가 없습니다. 매우 편리합니다.
귀하의 말에 따르면 단일 "양자 컷"이 없으며, 가능한 이익을 제공 할 수있는 단일 범위 또는 빈이 없습니다.
모델 스크리닝을 자동화할 수 있다면 이미 좋은 일이죠.
0.05 단계의 확률 신뢰도 지수로 모델을 시각화하면 모든 것을 한 번에 볼 수 있습니다. 가장 중요한 것은 훈련 샘플과 다른 샘플에 대한 결과의 변환입니다. 확률이 점점 높아지고 있기 때문에 비대표성에 대해 이야기하고 있는 것입니다. 그렇기 때문에 저희의 경우 보정이 비효율적인 수단이라고 생각합니다. 모델에 샘플 간 편향이 강하지 않다면 오히려 놀라운 일입니다.
그리고 훈련이 덜 된 모델만으로는 좁은 범위의 확률을 산출할 수 있다는 점에 유의해야 합니다.
정상적으로 훈련된 모델은 종종 강한 신뢰도 영역에 정확하게 위치하기 때문에 분류 임계값이 아닌 창을 설정하는 것이 좋습니다(예: 0.55에서 0.65 사이는 반환된 클래스를 하나의 단위로 간주하고 나머지는 무시). 마지막에는 모델에 확신이 있지만 관측값이 거의 없는 경우가 많으므로 통계적 유의성이 작습니다.
вероятно компилятор с оптимизацией на си быстрее проги на асемблере. Не уверен вообще что это заработок оптимальным образом. Это оптимальный метод дешифровки биржевого позволяет четко описать механику изменения цены
저는 전혀 선거운동을 하지 않습니다. 질문은 MO에 대한 지식에 관한 것이었고, 많은 접근 방식이 있습니다.
글쎄요, 저는 개인적으로 모델의 답을 수업 중도 탈락 확률과 연관시키지 않았고, 수업 정의에 대한 모델의 신뢰도로 간주했습니다. 신뢰도는 잎으로 계산되며, 잎은 훈련 샘플로 계산됩니다. 여기서 하나의 리프는 클래스 중도 탈락 확률을 나타냅니다. 각 잎은 샘플의 모든 지점에서 응답이 없기 때문에 모델의 최종 응답에서 확률의 합이 왜곡된 것으로 나타났습니다. 아마도이 수준에서 수정할 수있는 방법이있을 수 있으며 관심이 있습니다. 저는이 방향으로 토론을 돌리려고했습니다.
제 생각에는 해결책은 비슷한 응답 지점으로 잎을 그룹화하고 그룹의 평균 요약 결과를 추가로 변환하는 것입니다....
저는 개인적으로 모델의 응답을 클래스 중도 탈락 확률과 연관시키지 않고 클래스 감지에 대한 모델의 신뢰도로 간주했습니다. 신뢰도는 잎을 기반으로 하고 잎은 훈련 샘플을 기반으로 합니다. 여기서 하나의 리프는 클래스 탈락 확률을 나타냅니다. 각 리프는 샘플의 모든 지점에서 응답이 없기 때문에 모델의 최종 응답에서 확률의 합이 왜곡된 것으로 나타났습니다. 아마도 이 수준에서 수정할 수 있는 방법이 있을 것 같고, 저도 관심이 있어서 토론의 방향을 이쪽으로 돌리려고 했습니다.
제 생각에 해결책은 비슷한 응답 지점을 기준으로 잎을 그룹화하고 그룹의 평균 요약 결과를 추가로 변형하는 것입니다. ....
죄송하지만 라이브러리, 노트북 또는 기사에 대한 참조가 없으면 대략 다음과 같이 생각합니다.
죄송하지만 라이브러리, 노트북 또는 기사에 대한 링크가 없으면 다음과 같이 대략적으로 처리합니다.
패키지만 있으면 됩니다...
가방이 있었으면 좋겠어요.
CV 방법으로 분류기를 보정하면 이 모델의 잠재력을 즉시 확인할 수 있습니다. 아무것도 할 수 없는 경우 이 절차를 거친 후 확률이 0.5 정도로 수렴합니다. 그 전에는 지나치게 자신만만했지만요. 그러한 모델을 더 이상 조작하는 것은 전혀 관심이 없습니다. 개선할 수 없습니다. 즉, 정상적으로 보정 할 수도없고 물고기가 없습니다. 아주 편리합니다.
"퀀텀 컷"은 없으며, 귀하의 말에 따르면 가능한 이익을 줄 수있는 범위 나 빈이 없습니다.
마지막으로 주제를 마무리하겠습니다. 시그모이드 보정을 메타크로 내보내는 데 성공했습니다.
그래디언트 부스팅을 재훈련한 다음 이 상태로 보정했습니다:
임계값 0.5에서는 모든 것이 명확하고 OOS가 어디에 있는지 확인할 수 있습니다:
임계값을 실행하고 최적화를 중지합니다:
임계값 0.75-0.85에서 가장 좋은 모든 종류의 변형을 얻습니다. 임계값이 0.5인 경우 정상적인 변형이 없지만 새로운 데이터에 대한 약간의 변형도 있습니다.
꽤 재미있는 장난감입니다.
CV 방법을 사용하여 분류기를 보정하면 해당 모델의 잠재력을 즉시 확인할 수 있습니다. 아무것도 할 수 없는 경우 이 절차가 끝나면 확률이 0.5 정도로 뭉쳐집니다. 그 전에는 지나치게 자신만만했지만요. 그러한 모델을 더 이상 만지는 것은 전혀 관심이 없습니다. 개선 할 수 없습니다. 즉, 정상적으로 보정 할 수도없고 물고기가 없습니다. 매우 편리합니다.
귀하의 말에 따르면 단일 "양자 컷"이 없으며, 가능한 이익을 제공 할 수있는 단일 범위 또는 빈이 없습니다.
모델 스크리닝을 자동화할 수 있다면 이미 좋은 일이죠.
0.05 단계의 확률 신뢰도 지수로 모델을 시각화하면 모든 것을 한 번에 볼 수 있습니다. 가장 중요한 것은 훈련 샘플과 다른 샘플에 대한 결과의 변환입니다. 확률이 점점 높아지고 있기 때문에 비대표성에 대해 이야기하고 있는 것입니다. 그렇기 때문에 저희의 경우 보정이 비효율적인 수단이라고 생각합니다. 모델에 샘플 간 편향이 강하지 않다면 오히려 놀라운 일입니다.
그리고 훈련이 덜 된 모델만으로는 좁은 범위의 확률을 산출할 수 있다는 점에 유의해야 합니다.
정상적으로 훈련된 모델은 종종 강한 신뢰도 영역에 정확하게 위치하기 때문에 분류 임계값이 아닌 창을 설정하는 것이 좋습니다(예: 0.55에서 0.65 사이는 반환된 클래스를 하나의 단위로 간주하고 나머지는 무시). 마지막에는 모델에 확신이 있지만 관측값이 거의 없는 경우가 많으므로 통계적 유의성이 작습니다.
국방부 여러분!
그만한 가치가 있을까요?
내 알고리즘에 대해 - 일반 토론 - MQL5
아직 깨끗한 상태일 때 최대한 활용하세요. 아무도 당신의 말을 이해하지 못합니다.
어서)))))) 새해 복 많이 받으세요))))
진실은 변하지 않는다))))
네, 좋아요)))))) 새해 복 많이 받으세요))))
진실은 변하지 않는다)))))