L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 1038
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Qu'est-ce que cela a à voir avec le "seuil" d'une forêt aléatoire ?
Je ne me rappelle pas quel est le seuil, il doit s'agir de votre seuil pour entrer dans une transaction ou quelque chose comme 0,75 ou autre (une sorte de probabilité).
Qu'est-ce que le "seuil" a à voir avec la forêt aléatoire ?
Dans le cas de la régression logit, je peux imaginer quelles sont les probabilités d'affectation des classes, dans le cas de la forêt, hélas. Il s'agit donc très probablement de pseudo-probabilités, et cela ne devrait pas fonctionner de cette façon. Avec un seuil de 0,75, cela ne devrait pas signifier que la probabilité d'affectation à une classe est plus élevée qu'avec 0,6, par exemple.
en tout cas, je n'ai pas lu d'informations à ce sujetEt j'accepte la "probabilité" comme une partie importante de l'algorithme de la forêt aléatoire, car la formule de calcul du résultat de tous les arbres est basée sur elle.
J'ai même fixé le nombre d'arbres en tenant compte de cette "probabilité".
Et j'accepte la "probabilité" comme une partie importante de l'algorithme de la forêt aléatoire, parce que la formule pour compter le résultat de tous les arbres est construite là-dessus.
J'ai même fixé le nombre d'arbres en tenant compte de cette "probabilité".
Tenez-vous compte du nombre de feuilles qui occupent la placette d'échantillonnage ? La taille du comité qui vote effectivement sur la situation, compte tenu de la forte probabilité de compétence de chaque feuille d'un tel arbre ?
Prenez-vous en compte le nombre de feuilles qui occupent la zone d'échantillonnage ? La taille du comité qui vote effectivement sur la situation compte tenu de la forte probabilité de compétence de chaque feuille d'un tel arbre ?
La branche finale est responsable d'au moins 25 variantes de l'échantillon formé. Elle est définie dans les paramètres de Spark. Il n'y a pas de tel paramètre dans AlgLib.
Peut-être que je ne l'ai pas dit comme ça.
Supposons que nous ayons 100 arbres, chaque feuille d'arbre à la fois (dans le cas simple de 2 choix) effectue une classification. Prenons-nous en compte le fait que le vote peut impliquer des arbres avec une très grande marge d'erreur - par exemple, 49/51, ce qui fausserait considérablement la prédiction moyenne. Peut-être devrions-nous supprimer complètement le droit de vote pour ces congés ? Parce que le manque de capacité prédictive en dit plus sur un modèle de feuille d'arbre médiocre lorsqu'il s'agit de données spécifiques.
Nouveau classement des langages de programmation, notamment python et R
C'est bien. Mais vos propres conclusions sur R et Python sont tirées par les cheveux. Vous ne pouvez pas du tout les comparer selon vos critères - c'est comme chaud et doux.
Plus précisément ?
Je compare l'appareil de référence des langues.
Comment le voulez-vous ?
Plus précisément ?
Je compare l'appareil de référence des langues.
Comment le voulez-vous ?