トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2644

新しいコメント
 
ここでは、たとえ出来合いの聖杯を 発表したとしても、彼らはそれに対して、作者がいかに愚かであるかを説明し始めるだろう)
 
secret 聖杯を 公表したとしても、それに対して彼らは作者に対して、彼がいかに愚かであるかを説明し始めるだろう)

私はここで聖杯を見たことはないが、聖杯の大いなる謎を所有することについての漠然としたヒントはたくさんある。）

 
mytarmailS #:

何か研究やアイデアを発表しよう。

私のアイデアと PRIM アルゴリズムのアイデアを組み合わせる可能性を考えている。自慢できるようなことはあまりない。

 
mytarmailS #:

何か研究やアイデアを発表しようよ。

クラスタリングに関する記事はすでにあるよ。

賢明なものを作るにはどうしたらいいか考えてはいるんだけど、まだやってないんだ。それに、ソースを全部なくしてしまった。

長所は、新しいデータで安定していること。欠点は-マークが平凡なこと。しかし、妥協点を絞り出すことは可能だ。
 
secret 聖杯を 発表したとしても、彼らはそれに対して、作者がいかに愚かであるかを説明し始めるだろう）。
アハハハ...。本当だ。
 
Aleksey Nikolayev #:

私のアイデアと PRIM アルゴリズムのアイデアを組み合わせる可能性について考えている。自慢できるようなことはあまりありません。

私がまだ理解していない他のものと比べて、プリムの新鮮さは何ですか？
 
Maxim Dmitrievsky #:
クラスタリングに関する記事はすでにある。

賢明なものを作るにはどうしたらいいかという考えはあるんだけど、まだやってないんだ。ソースを全部なくしてしまったしね。

長所は、新しいデータで安定していること。欠点は-マークが平凡なこと。しかし、妥協点を絞り出すことはできる。
もし1つのクラスラベルが他を強く支配しているクラスターを見つけたら、そのようなクラスターは、どんなトレーニングとは対照的に、新しいデータでも統計を保持します。教師を使って。
そのようなクラスターを見つけてみてください。
 
mytarmailS #:
プリムの鮮度が他と比べてどうなのか、まだ理解できていない

予測変数の集合の中で作業領域を選択するアルゴリズムの基礎として適していることがわかりました。大雑把に言うと、私は自分の考えに基づいて キューブ領域の初期近似値を作り、それをより細かく調整しようとする。

まあ、利益のためだけに最適化することは、人為的に偽陰性を増やすことでシステムを改善しようとすることにつながる。

厳密な理論はないし、ほとんど不可能だ。

 
Aleksey Nikolayev #:

私は、予測子の集合の中で作業領域を選択するアルゴリズムの基礎として適していることを発見した。大まかに言えば、私の考えに基づいて、私は立方体領域の初期近似を作り、それからより細かく調整しようとする。

まあ、私は利益によってのみ最適化するので、人為的に偽陰性のケースを増やすことによってシステムを改善しようとすることになる。

厳密な理論があるわけでもないし、できそうもない。

よくわからないのですが...。
ランダムフォレストを訓練し、そこから必要な基準に従って最適なルールを選ぶだけなら、何が違うのでしょうか？
ルールはすでにある状況の特殊なケースであり、これらのキューブはすでにルールによって考慮されている。
 
mytarmailS #:
理解できない...
ランダムフォレストを訓練し、そこから必要な基準に従って最適なルールを選択するだけなら、何が違うのでしょうか？
ルールはすでにある状況の特別なケースであり、これらのキューブはすでにルールによって考慮されている。

そうかもしれない。しかし、特徴の比較・選択とメタパラメータの最適化には、より解釈しやすいアプローチであると思われる。

1...263726382639264026412642264326442645264626472648264926502651...3399
新しいコメント
理由: