Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 3354
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Sí, bueno, ¿qué número pones en la función, de dónde viene?
¿Cómo se ha dado cuenta de que el clasificador da las probabilidades correctas? No sólo valores en un rango. ¿Lees lo que te escriben?
Lo he comprobado muchas veces. Esta es la base para el TC.
De nuevo, si no lo es, se vuelve a entrenar.
Lo que se obtiene en la salida de los modelos no son probabilidades de clase. Una analogía es la regresión, que da un único valor. El clasificador funciona según el mismo principio, da un valor bruto pasado por un sigmoide, no una probabilidad.
Pasando por la sigmoide obtenemos la clase, no la probabilidad de la clase.
Pasando por sigmoide obtenemos una clase, no la probabilidad de la clase.
Lo he comprobado muchas veces. Esa es la base del TC.
De nuevo, si no lo es, se vuelve a entrenar.
¿Vas a responder a una pregunta con otra pregunta? Conozco la respuesta inequívoca, en todo caso.
Lo que se obtiene a la salida de los modelos no son probabilidades de clases. Una analogía es la regresión, que da un valor. Un clasificador funciona según el mismo principio, da un valor bruto pasado por un sigmoide, no una probabilidad.
¿Sabes cómo se obtiene el valor en hojas del modelo CB, puedes reproducirlo?
La cuestión es que las probabilidades son estimadas por la historia, pero sólo una teoría con una muestra representativa puede garantizar que sigan siéndolo. Nosotros no tenemos tal muestra. Por lo tanto, cualquier ajuste en este sentido no dará exactitud sobre nuevos datos. La corrección puede ser relevante por la razón de que hay restos en las hojas, y esto es lo que hay que corregir sobreestimando o subestimando el punto de clasificación sigmoide.
O de nuevo, no está claro de qué se trata.
Si usted ha encontrado algo inteligente, por favor, comparta :)
¿Sabe cómo se obtiene el valor en las hojas del modelo CB, puede reproducirlo?
La cuestión es que las probabilidades de la historia son estimadas, pero sólo una teoría con una muestra representativa puede garantizar que seguirán siéndolo. Nosotros no tenemos tal muestra. Por lo tanto, cualquier ajuste en este sentido no dará exactitud sobre nuevos datos. La corrección puede ser relevante por la razón de que se han introducido restos en las hojas, y es esto lo que debe corregirse, ya sea por dependencia o por subestimación del punto de clasificación sigmoide.
O de nuevo, no está claro de qué estamos hablando.
Si has encontrado algo ingenioso, compártelo :)
Esperaba que al menos alguien buscara el dato en Google.
De alguna manera usted no está prestando atención a mis posts, centrándose en las probabilidades. No importa como se llame la probabilidad, lo que importa es que si no mejora, el modelo está sobreentrenado, en la papelera. El error de predicción en OOV, OOS y VNU debería ser más o menos el mismo.
Aquí hay otro histograma
Diferente algoritmo - diferente histograma, aunque las etiquetas y los predictores son los mismos. Si está buscando algún tipo de probabilidad teórica, que implique que diferentes algoritmos de clasificación producirán los mismos histogramas... que no se me ocurre, ya que hay que trabajar con algoritmos específicos y van a predecir y tienen que ser evaluados, no algún ideal teórico. La evaluación principal aquí es el sobreajuste del modelo, no la cercanía de las probabilidades a algún ideal teórico.
De alguna manera no estás prestando atención a mis posts, centrándose en las probabilidades. No importa cómo se llame la probabilidad, lo que importa es que si no mejora, el modelo está sobreentrenado, en la papelera. El error de predicción en OOV, OOS y VNE debería ser más o menos el mismo.