C'è uno schema nel caos? Proviamo a trovarlo! Apprendimento automatico sull'esempio di un campione specifico. - pagina 16
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
in una situazione normale il seme non ha quasi alcun effetto, è l'algoritmo che conta. Se ci si deve preoccupare del seme, i dati sono già scadenti.
il controllo dei nuovi dati risolve, se ci sono solo 10 segni e non 1000, si può essere sicuri fino a un certo punto.
Credo che la profondità di default sia 6, non influisce molto, tranne che per i valori critici.
La profondità di apprendimento influisce in modo diverso, a seconda della variabilità storica.
Sì, forse su predittori a 4 semi non influisce molto. La spazzatura è un'idea sbagliata. È il seme che determina essenzialmente il numero di predittori da utilizzare nel modello.
Tutti i parametri sono influenzati. Volevo solo dire che probabilmente avete un ordine di grandezza di combinazioni in più rispetto agli esempi. Con 4 predittori posso vedere il senso di un modello di 1-3 alberi CB, con un tasso di apprendimento di 0,3-0,5, altrimenti è già adatto.
È possibile provare ad alimentare diversi campioni per continuare ad apprendere su nuovi dati. Anche CatBoost sembra essere in grado di farlo. Sa anche come unire i modelli, ma non l'ho ancora esaminato.
È un gradient bousting...
il che significa che impara dagli errori di quello precedente
e dobbiamo allenarci solo su un modello, e più volte.
L'unica differenza tra i modelli è che i campioni sono spostati nel tempo.
è un gradiente che si muove su.....
cioè imparare dagli errori del precedente
e abbiamo bisogno di allenarci solo su un modello, e più volte.
L'unica differenza tra i modelli è che i campioni sono spostati nel tempo.
Il mio cervello non riesce a elaborare quello che hai scritto.
Sì, forse su 4 predittori il seme non ha molto effetto. Si tratta di un'idea sbagliata. In effetti, il seme determina il numero di predittori da utilizzare nel modello.
Tutti i parametri sono influenzati. Volevo solo dire che probabilmente avete un ordine di grandezza di combinazioni in più rispetto agli esempi. Con 4 predittori posso vedere il senso di un modello di 1-3 alberi CB, con un tasso di apprendimento di 0,3-0,5, altrimenti è già adatto.
Il seme non influisce in nessun punto in cui c'è un ottimo normale
+- cortocircuito, non importa.
Si può modificare un po', ma non è più cruciale.
Il seme non ha effetto ovunque ci sia un optimum normale.
+- cortocircuito, non ha alcun ruolo
È possibile modificarlo un po', ma non è fondamentale.
Dove si trova?
E dove si trova?
dove le variazioni sul tema del seme non influiscono molto sul risultato, credo )
dove le variazioni sul tema del seme non influiscono molto sul risultato, a quanto pare )
Chiaramente non nel nostro caso...
Ovviamente non nel nostro caso.
Beh, c'è qualcosa da aspettare con ansia.
C'è. Ma qui si parla di un mondo ideale, a volte è meglio adattarsi a quello esistente.
Si tratta di decidere se è meglio curiosare a caso o attenersi a informazioni affidabili a priori.
A parte gli orari di inizio e fine (sessioni, calendario) non mi viene in mente nulla. Che cosa intendi?