트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2644

새 코멘트
 
여기에서 기성품 성배를 게시하더라도 이에 대한 응답으로 저자에게 그가 얼마나 바보인지 설명하기 시작할 것입니다.)
 
secret 성배를 게시하더라도 이에 대한 응답으로 저자에게 그가 얼마나 바보인지 설명하기 시작할 것입니다.)

나는 여기서 성배를 본 적이 없지만 성배의 위대한 신비를 소유하는 것에 대한 모호한 힌트가 많이 있습니다) 나는 이미이 주제에 대해 언급했으며 여기서 "바보"라는 용어는 실제로 욕설이 아닌 의학 용어입니다).

 
mytarmailS #:

몇 가지 연구 결과와 아이디어를 발표해 보겠습니다.

제 아이디어를 PRIM 알고리즘의 아이디어와 결합할 수 있는 가능성에 대해 생각하고 있습니다. 저는 자랑할 게 별로 없어요.

 
mytarmailS #:

몇 가지 연구, 아이디어를 게시합시다...

클러스터링에 대한 기사는 이미 있습니다 :) 하지만 쓸모가 없습니다.

합리적인 것을 만드는 방법에 대한 몇 가지 생각이 있지만 아직 해보지 못했습니다. 그리고 모든 소스를 잃었습니다.

전문가들은 이미 새로운 데이터에 대해 안정적이라고 말했습니다. 단점은 마크가 평범하다는 것입니다. 그러나 약간의 타협을 짜낼 수 있습니다.
 
secret 성배를 게시하더라도 저자가 얼마나 바보인지 설명하기 시작할 것입니다).
아하하하... 사실입니다.
 
Aleksey Nikolayev #:

제 아이디어와 PRIM 알고리즘의 아이디어를 결합할 수 있는 가능성을 생각하고 있습니다. 자랑할 게 별로 없어요.

아직 이해하지 못한 프림의 신선함은 무엇인가요?
 
Maxim Dmitrievsky #:
클러스터링에 대한 기사가 이미 있습니다 :) 그래도 쓸모가 없습니다.

합리적인 것을 만드는 방법에 대한 몇 가지 생각이 있지만 아직 해보지 않았습니다. 그리고 모든 소스를 잃었습니다.

전문가들은 이미 새로운 데이터에 대해 안정적이라고 말했습니다. 단점은 마크가 평범하다는 것입니다. 하지만 약간의 타협점을 찾아낼 수 있습니다.
한 클래스 레이블이 다른 클래스 레이블을 강력하게 지배하는 클러스터를 발견하면 이러한 클러스터는 모든 훈련과 달리 새로운 데이터에 대한 통계를 유지합니다. 선생님과 함께.
그런 클러스터를 찾아보면 깜짝 놀랄 것입니다.
 
mytarmailS #:
다른 앱에 비해 프림의 신선함은 무엇이며, 아직 이해가 되지 않습니다.

예측자 세트에서 작업 영역을 선택하는 알고리즘의 기초로 적합하다는 것을 알았습니다. 대략적으로 말하면, 저는 제 아이디어를 바탕으로 큐브 영역에 대한 초기 근사치를 만든 다음 더 세밀하게 조정하려고합니다.

수익만을 위해 최적화하다 보니 인위적으로 오탐을 늘려 시스템을 개선하려고 합니다.

엄격한 이론도 없고 거의 불가능합니다.

 
Aleksey Nikolayev #:

예측자 집합에서 작업 영역을 선택하는 알고리즘의 기초로 적합하다는 것을 알았습니다. 대략적으로 말하면, 제 아이디어를 바탕으로 큐브 영역에 대한 초기 근사치를 만든 다음 이를 더 세밀하게 조정하려고 합니다.

저는 수익에 의해서만 최적화하기 때문에 오탐 사례를 인위적으로 늘려 시스템을 개선하려고 시도합니다.

엄밀한 이론도 없고 가능하지도 않을 것 같습니다.

이해가 안 되네요...
무작위 숲을 학습시키고 필요한 기준에 따라 최적의 규칙을 선택하면 어떤 차이가 있나요?
규칙은 이미 특정 상황의 특수한 경우이며 이러한 큐브는 이미 규칙에 의해 고려됩니다.
 
mytarmailS #:
이해가 안 되네요...
무작위 포레스트를 훈련하고 필요한 기준에 따라 최적의 규칙을 선택하면 어떤 차이가 있나요?
규칙은 이미 특정 상황의 특수한 경우이며 이러한 큐브는 이미 규칙에 의해 고려됩니다.

그럴 수도 있습니다. 하지만 기능의 비교/선택과 메타 매개변수의 최적화에 있어서는 더 해석하기 쉬운 접근 방식인 것 같습니다.

1...263726382639264026412642264326442645264626472648264926502651...3399
새 코멘트