Discusión sobre el artículo "Gradient boosting en el aprendizaje de máquinas transductivo y activo"
Artículo publicado Gradient bousting in transductive and active machine learning tasks:
Autor: Maxim Dmitrievsky
Norma, por supuesto la presencia de etiquetas manuales y suposiciones razonables no es AI) pero realmente reduce el área de datos y dimensiones para la formación, los hace aceptables por lo menos).
Norma, por supuesto tener etiquetas a mano y suposiciones razonables no es IA) pero realmente reduce el área de datos y las dimensiones para la formación, los hace aceptables al menos)
De manual sólo la selección de características (fiches). Estoy pensando cómo deshacerse de la última manual.
Hay opciones, pero aún no me he puesto manos a la obraDesde el manual sólo la selección de características (características). Estoy pensando en cómo deshacerse del último manual.
Hay opciones, pero todavía no tengo en mis manos.Y la detección automática de objetivos))))
Y orientación automática))))
ya existe
Gracias por este magnífico artículo.
De nada.
No entiendo nada :)
¿Cuántas clases se marcaron automáticamente?
Si son más de dos, lo lógico sería hacer una evaluación financiera de cada clase, es decir, si da pérdidas o beneficios, y luego fusionarlas en dos clases para la formación final.
No entendí nada :)
¿Cuántas clases se marcaron automáticamente?
Si son más de dos, lo lógico sería hacer una evaluación financiera de cada clase, es decir, si da pérdidas o beneficios, y luego fusionarlas en dos clases para la formación final.
¡¡¡Enhorabuena por tan buen artículo después de mucho tiempo!!!
¿Cómo entrenar y probar otros pares de divisas?
La parte de codificación es complicado para mí hacer cualquier edición o cualquier forma de mejoras con fines de prueba:)
¡¡¡Enhorabuena por tan buen artículo después de mucho tiempo!!!
¿Cómo entrenar y probar otros pares de divisas?
La parte de codificación es complicado para mí hacer cualquier edición o cualquier forma de mejoras para el propósito de prueba:)
No se puede compilar el archivo py en MetaEditor5, para ello es necesario instalar el programa PyCharm y ejecutar este script.
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Usted acepta la política del sitio web y las condiciones de uso
Artículo publicado Gradient boosting en el aprendizaje de máquinas transductivo y activo:
En este artículo, el lector podrá familiarizarse con los métodos de aprendizaje automático activo basados en datos reales, descubriendo además cuáles son sus ventajas y desventajas. Puede que estos métodos terminen por ocupar un lugar en su arsenal de modelos de aprendizaje automático. El término transducción fue introducido por Vladímir Naúmovich Vápnik, el inventor de la máquina de vectores de soporte (SVM).
Vamos a pasar directamente al aprendizaje activo, poniendo a prueba su efectividad en nuestros datos.
Actualmente, existen varias bibliotecas en el lenguaje Python para el aprendizaje activo, aquí tenemos tres de las más comunes:
Nosotros nos decantamos por la biblioteca modAL como la más intuitiva y adecuada para familiarizarse con la filosofía del aprendizaje activo. Ofrece mucha libertad para construir modelos y crear nuestros propios diseños usando bloques estándar o creando otros propios.
Vamos a presentar el proceso de aprendizaje descrito anteriormente en un diagrama que no requiera de explicaciones detalladas:
ver documentación
Autor: Maxim Dmitrievsky