Diskussion zum Artikel "Die Anwendung der Monte Carlo Methode beim Reinforcement-Learning" - Seite 4
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
wie Sie wünschen :)
aber das ist triviales Zeug. Die Wichtigkeit hängt von der Varianz der Fiche ab (fast immer, außer bei sehr einfachen Modellen). Forest führt keine Transformationen an den Fiches durch, multipliziert oder dividiert sie nicht miteinander usw., sondern verteilt ihre Werte einfach über die Knoten, so dass es keine Wechselwirkungen gibt, sondern nur eine Trennung.
Die Reihenfolge der Ausbreitung (wie tief der Prädiktor im Baum liegt) ist von Bedeutung und hängt von anderen Prädiktoren ab, einschließlich derer, die besser in der Ausbreitung sind....
Die Reihenfolge der Ausbreitung (wie tief der Prädiktor im Baum liegt) spielt eine Rolle, und sie hängt von anderen Prädiktoren ab, einschließlich derer, die besser ausgebreitet sind....
Wenn es sich um einen 3-geteilten Baum handelt, nehme ich an, wenn es sich um einen Wald handelt, vergiss es.
oder finden Sie Bestätigung für Ihre Gedanken in der Literatur, in der Forschung von Fachleuten. Andernfalls, warum etwas tun, wofür das Modell überhaupt nicht ausgelegt ist, irgendeinen Unsinn erfindenWenn es ein dreigeteilter Baum ist, dann ja, wenn es ein Wald ist, vergessen Sie es.
oder suchen Sie in der Literatur, in der Forschung von Fachleuten nach einer Bestätigung für Ihre Gedanken. Ansonsten, warum etwas tun, wofür das Modell überhaupt nicht ausgelegt ist, um irgendeinen Unsinn zu erfindenSie sind besser mit Literatur, vor allem ausländische Literatur. Die Meinung, dass die Gierbaumkonstruktion falsch sein kann, habe ich von verschiedenen Rednern auf youtube gehört. Ich habe keine maßgeblichen Studien, ich habe nur die Ergebnisse meiner Experimente, es ist möglich, dass ich die Ergebnisse falsch interpretiere. Wozu dient dieser Artikel dann überhaupt, wenn man alle Prädiktoren auf einmal eingeben kann und ein nahezu perfektes Modell erhält?
Mit der Literatur sollten Sie sich besser auseinandersetzen, insbesondere mit der ausländischen Literatur. Ich habe von verschiedenen Rednern auf youtube gehört, dass die Gierbaumkonstruktion falsch sein kann. Ich habe keine maßgeblichen Studien, ich habe nur die Ergebnisse meiner Experimente, es ist möglich, dass ich die Ergebnisse falsch interpretiere. Was ist der Sinn dieses Artikels, wenn man alle Prädiktoren auf einmal eingeben kann und ein fast perfektes Modell erhält?
Es geht darum, das Rauschen der unnötigen Prädiktoren zu entfernen, um das Modell zu vereinfachen.
Aber der Sinn des Artikels ist eigentlich ein anderer, er steht schon im Titel.um das Rauschen der zusätzlichen Bilder zu entfernen, um das Modell aufzuhellen.
aber der Punkt des Artikels ist eigentlich ein anderer, er steht sogar im Titel.Man trifft also eine zufällige Auswahl von Prädiktoren und wählt daraus das beste Modell, von dem man aber nicht weiß, wie gut es absalut ist. Ich schlage vor, eine vernünftigere Auswahl zu treffen, die sich hypothetisch dem absoluten Modell stärker annähern kann. Die Ziele sind dieselben, aber die Instrumente sind etwas anders.
Man trifft also eine zufällige Auswahl von Prädiktoren und wählt das beste Modell aus, weiß aber nicht, wie gut es absalut ist. Ich schlage vor, eine vernünftigere Auswahl zu treffen, die hypothetisch gesehen näher am absoluten Modell liegt. Die Ziele sind die gleichen, aber die Instrumente sind etwas anders.
Es gibt keine zufällige Auswahl von Prädiktoren.
Was meinen Sie mit "eine fundiertere Suche"?
Es gibt keine zufällige Auswahl von Prädiktoren
Was ist mit "sinnvollere Suche" gemeint?
Ich merke, dass ich ein Wort in dem Artikel falsch gelesen (wahrgenommen) und missverstanden habe. Dort heißt es: "Die Monte-Carlo-Methode oder die Zufallsauswahl von Zielvariablen sollte gesondert betrachtet werden", und ich habe irgendwie wahrgenommen, dass es um Prädiktoren geht, ich bitte um Entschuldigung.
Ein valideres Oversampling ist ein Oversampling auf der Grundlage früherer Ergebnisse, sozusagen mit Verstärkung.
Ich stelle fest, dass ich ein Wort in dem Artikel falsch gelesen (wahrgenommen) und missverstanden habe. Dort heißt es: "Die Monte-Carlo-Methode oder Zufallsstichproben von Zielvariablen sollten gesondert betrachtet werden", und ich hatte irgendwie den Eindruck, dass es um Prädiktoren geht, ich bitte um Entschuldigung.
Ein gültigeres Oversampling ist ein Oversampling mit früheren Ergebnissen, mit Verstärkung sozusagen.
Ich verstehe den Punkt nicht, wahrscheinlich ist er für das Thema des Artikels nicht relevant.
Ich glaube, ich habe bereits über Importans geschrieben.
Neuer Artikel Applying Monte Carlo method in reinforcement learning wurde veröffentlicht:
Autor: Maxim Dmitrievsky
Ich danke Ihnen. Ist es möglich, das Training mit der GPU anstelle der CPU durchzuführen?
Ich danke Ihnen. Ist es möglich, die Ausbildung mit der GPU anstelle von CPU zu machen?
Ja, wenn Sie alle Logik (RF enthalten) auf offene cl Kernel umschreiben :) auch Random Forest hat schlechteste gpu Machbarkeit und Parallelität