Пятую статью курса мы посвятим простым методам композиции: бэггингу и случайному лесу. Вы узнаете, как можно получить распределение среднего по генеральной совокупности, если у нас есть информация только о небольшой ее части; посмотрим, как с помощью композиции алгоритмов уменьшить дисперсию и таким образом улучшить точность модели; разберём...
Sezione "Somiglianza della foresta casuale con l'algoritmo k nearest neighbour".
Come sto facendo... ho iniziato e poi ho rinunciato). Anche la foresta può raggrupparsi, sì.
Per quanto riguarda il clustering così com'è - non è male nel separare gli incrementi in 3 gruppi, compresi i nuovi dati. Ha senso usare come caratteristiche categoriche, questo è quello che volevo fare
QUESTO È IL VINCITORE!!!!! Fratelli!!!! HORRAAAAAAAAAAAAAAAAAAA !!!!! Buone vacanze a tutti.
Perché non appena dimenticheremo questa guerra, ne inizierà subito un'altra. Ricordiamolo sempre!!!!!!!! VITTORIAAAAAAAAAAAAAAAAAAAA!!!!!!! Pew, pew (questo sono io che sparo con la mia pistola TT immaginaria e corro per la strada nella mia uniforme da ufficiale)
Allora, qual è il risultato? Cosa ha ottenuto l'akurasi?
10 modelli CatBoost con profondità dell'albero 6, arresto dell'apprendimento a 100 nuovi alberi che non migliorano i risultati, seduti a incrementi di 100.
10 modelli CatBoost con profondità dell'albero 6, arresto dell'apprendimento a 100 nuovi alberi che non migliorano i risultati, seduti a incrementi di 100.
Campione di formazione 80% 2018 e 2019, campione 20% per controllare gli arresti di formazione. Campione indipendente gennaio-maggio 2020
Se si tortura il campione con diversi metodi di partizionamento e si costruiscono più modelli, penso che si possano ottenere 72.
Saldo della classificazione
Bene... bello e plausibile. Vorrei anche vedere il bilancio del commercio stesso e un grafico con le entrate.
Suppongo che questo sia un insieme di 10 modelli? Qual è la differenza tra questi modelli?
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Queste, come dici tu, "possibilità" possono essere impilate, ed è per questo che sono tenute così.
Sì, sui nuovi, ma ora si sono resi conto che l'obiettivo è sbagliato. Ho preso il vettore ZZ attuale con un offset, che è sbagliato.
Dovrò abbozzare una sceneggiatura per far uscire l'obiettivo.
Allora, qual è il risultato?
L'ho visto da qualche parte nei tutorial... Penso che sia più conveniente farlo durante il preapprendimento o qualcosa del genere.
Maxim, sembra che tu stia facendo il clustering ora.
Qui mostra che l'impalcatura è simile al clustering.
https://habr.com/ru/company/ods/blog/324402/
Sezione "Somiglianza della foresta casuale con l'algoritmo k-nearest neighbour".
C'è una domanda?
Maxim, sembra che tu stia facendo il clustering ora.
Qui mostra che l'impalcatura è simile al clustering.
https://habr.com/ru/company/ods/blog/324402/
Sezione "Somiglianza della foresta casuale con l'algoritmo k nearest neighbour".
Come sto facendo... ho iniziato e poi ho rinunciato). Anche la foresta può raggrupparsi, sì.
Per quanto riguarda il clustering così com'è - non è male nel separare gli incrementi in 3 gruppi, compresi i nuovi dati. Ha senso usare come caratteristiche categoriche, questo è quello che volevo fareQualche domanda?
QUESTO È IL VINCITORE!!!!! Fratelli!!!! HORRAAAAAAAAAAAAAAAAAAA !!!!! Buone vacanze a tutti.
Perché non appena dimenticheremo questa guerra, ne inizierà subito un'altra. Ricordiamolo sempre!!!!!!!! VITTORIAAAAAAAAAAAAAAAAAAAA!!!!!!! Pew, pew (questo sono io che sparo con la mia pistola TT immaginaria e corro per la strada nella mia uniforme da ufficiale)Allora, qual è il risultato? Cosa ha ottenuto l'akurasi?
10 modelli CatBoost con profondità dell'albero 6, arresto dell'apprendimento a 100 nuovi alberi che non migliorano i risultati, seduti a incrementi di 100.
Campione di apprendimento 80% 2018 e 2019, campione 20% per controllare l'arresto dell'apprendimento. Campione indipendente gennaio-maggio 2020
Se si tortura il campione con diversi metodi di partizionamento e si costruiscono più modelli, penso che si possano ottenere 72.
Saldo della classificazione
10 modelli CatBoost con profondità dell'albero 6, arresto dell'apprendimento a 100 nuovi alberi che non migliorano i risultati, seduti a incrementi di 100.
Campione di formazione 80% 2018 e 2019, campione 20% per controllare gli arresti di formazione. Campione indipendente gennaio-maggio 2020
Se si tortura il campione con diversi metodi di partizionamento e si costruiscono più modelli, penso che si possano ottenere 72.
Saldo della classificazione
Bene... bello e plausibile. Vorrei anche vedere il bilancio del commercio stesso e un grafico con le entrate.
Suppongo che questo sia un insieme di 10 modelli? Qual è la differenza tra questi modelli?