Diskussion zum Artikel "Fortschrittliches Resampling und Auswahl von CatBoost-Modellen durch die Brute-Force-Methode" - Seite 9 123456789101112131415 Neuer Kommentar [Gelöscht] 2020.11.24 19:46 #81 Insgesamt wird etwas besser. Aber 50 Modelle auf jedem Tick in der Produktion zu haben, ist übertrieben [Gelöscht] 2020.11.24 19:49 #82 Hier ist eine Option für eine schöne Verbesserung [Gelöscht] 2020.11.24 19:53 #83 Hier ist der Datensatz nach dem Resampling. [Gelöscht] 2020.11.24 20:01 #84 Ausbildung überall 5 Monate, Validierung 2 Jahre, Prüfung 5 Jahre alle Karten für 5 Jahre [Gelöscht] 2020.11.24 20:02 #85 Ein weiteres Mal. Ja, manchmal macht es Sinn. Ein bisschen mehr stapeln. Ja, es macht Sinn, zu stapeln. Es ist immer noch eine offene Frage, wie viel. Aleksei Kuznetsov 2020.11.24 20:37 #86 Maxim Dmitrievsky:Noch einmal. Nun, ja, manchmal macht es Sinn. Ein bisschen mehr Stacking. Ja, es macht Sinn, zu stapeln. Es ist immer noch eine offene Frage, wie viel. Jetzt geht's los. ) Deshalb hat Breiman einen Zufallswald gemacht, keinen besseren. [Gelöscht] 2020.11.24 20:38 #87 elibrarius:Jetzt geht's los. ) Das ist der Grund, warum Bryman einen Zufallswald anstelle eines besseren Waldes erstellt hat. Seltsamerweise tritt der Effekt auf, wenn Accuracy beim Training verwendet wird Bei anderen Metriken ist er nicht so offensichtlich. Übrigens gibt es in catbusta eine ganze Reihe von Metriken, und ich zögere, zu fragen, welche davon besser ist Von der Theorie zur Was ist Ihrer Meinung Maschinelles Lernen im Handel: Aleksei Kuznetsov 2020.11.24 20:40 #88 Maxim Dmitrievsky:Interessanterweise tritt der Effekt auf, wenn Accuracy beim Training verwendet wird bei anderen Metriken ist er nicht so offensichtlich. Übrigens gibt es in catbusta eine ganze Reihe von Metriken, und ich zögere, zu fragen, welche davon die beste ist Wenn Accuracy das Gleichgewicht am besten verbessert, ist es offensichtlich die beste. [Gelöscht] 2020.11.24 20:43 #89 elibrarius:Wenn Accuracy das Gleichgewicht am besten verbessert, ist es offensichtlich das Beste. Nein, es gibt welche, die es besser machen. aber es gibt kein sinnvolles Verständnis. Aleksei Kuznetsov 2020.11.24 20:45 #90 Maxim Dmitrievsky:Nein, es gibt welche, die besser funktionieren. Welche? 123456789101112131415 Neuer Kommentar
Hier ist eine Option für eine schöne Verbesserung
Hier ist der Datensatz nach dem Resampling.
Ausbildung überall 5 Monate, Validierung 2 Jahre, Prüfung 5 Jahre
alle Karten für 5 Jahre
Ein weiteres Mal.
Ja, manchmal macht es Sinn.
Ein bisschen mehr stapeln. Ja, es macht Sinn, zu stapeln. Es ist immer noch eine offene Frage, wie viel.
Noch einmal.
Nun, ja, manchmal macht es Sinn.
Ein bisschen mehr Stacking. Ja, es macht Sinn, zu stapeln. Es ist immer noch eine offene Frage, wie viel.
Jetzt geht's los. )
Deshalb hat Breiman einen Zufallswald gemacht, keinen besseren.
Jetzt geht's los. )
Das ist der Grund, warum Bryman einen Zufallswald anstelle eines besseren Waldes erstellt hat.
Seltsamerweise tritt der Effekt auf, wenn Accuracy beim Training verwendet wird
Bei anderen Metriken ist er nicht so offensichtlich.
Übrigens gibt es in catbusta eine ganze Reihe von Metriken, und ich zögere, zu fragen, welche davon besser istInteressanterweise tritt der Effekt auf, wenn Accuracy beim Training verwendet wird
bei anderen Metriken ist er nicht so offensichtlich.
Übrigens gibt es in catbusta eine ganze Reihe von Metriken, und ich zögere, zu fragen, welche davon die beste istWenn Accuracy das Gleichgewicht am besten verbessert, ist es offensichtlich die beste.
Wenn Accuracy das Gleichgewicht am besten verbessert, ist es offensichtlich das Beste.
Nein, es gibt welche, die es besser machen.
aber es gibt kein sinnvolles Verständnis.
Nein, es gibt welche, die besser funktionieren.
Welche?