예를 들어, 숲은 이미 보편적인 분류기 또는 근사기이고 손으로 편집할 것이 없기 때문에 이것이 필요한 이유를 정말로 이해하지 못합니다.
단일 트리는 다소 약한 원시 알고리즘입니다.
트리는 오히려 분석 후에 형성되는 명확한 논리이고 다른 모든 것이 지금은 적합하다고 생각합니다.
나는 시장의 다양한 상황을 고려하기 위한 편리한 도구로서의 나무에 관심이 있었습니다. 이를 통해 다른 조건에서 동일한 패턴을 사용하는 것이 편리하며 이러한 조건을 강조 표시하면 패턴이 활성화되거나 활성화되지 않습니다. 이것은 쉽게 프로그래밍할 수 있지만 편리한 프로그램이 없는 복잡한 모델을 형성하기 위한 매우 멋진 도구입니다.
트리가 사용 가능한 예측 변수의 90%에서 결과를 제공한다면 이는 이미 많은 것 이상입니다. 그러면 신경망 또는 트리 앙상블의 요점은 무엇입니까? 트리가 논리적 규칙(>/</==)을 사용하여 예측자 분류 영역을 강조 표시하면 결과가 더 좋습니다. 내가 이해하는 한 트리가 사용 가능한 모든 결과를 거치지 않거나 컷, 작은 보강이 있는 규칙이 잘려 결과적으로 샘플에 대한 신뢰할 수 있는 인식의 5-10%가 손실됩니다.
트리가 사용 가능한 예측 변수의 90%에서 결과를 제공한다면 이는 이미 많은 것 이상입니다. 그러면 신경망 또는 트리 앙상블의 요점은 무엇입니까? 트리가 논리적 규칙(>/</==)을 사용하여 예측자 분류 영역을 강조 표시하면 결과가 더 좋습니다. 내가 이해하는 한 트리가 사용 가능한 모든 결과를 거치지 않거나 컷, 작은 보강이 있는 규칙이 잘려 결과적으로 샘플에 대한 신뢰할 수 있는 인식의 5-10%가 손실됩니다.
요점은 하나의 트리가 패턴의 변화에 적응할 기회 없이 단순히 시퀀스를 학습한다는 것입니다(그리고 항상 시장에 출시될 것입니다).
요점은 하나의 트리가 패턴의 변화에 적응할 기회 없이 단순히 시퀀스를 학습한다는 것입니다(그리고 항상 시장에 출시될 것입니다).
앙상블에는 많은 무작위 구성 요소가 있어 새 데이터에 대한 안정성을 높입니다.
예, 나무를 자르는 것을 가지치기라고 합니다.
패턴이 어떻게 바뀔지 어떻게 알 수 있습니까? 네트워크는 샘플을 100개 부분으로 나누고 예측 변수의 관계뿐만 아니라 이러한 관계의 변화 특성, 즉 패턴? 그렇다면 그녀는 패턴 변경에 대한 규칙을 가정할 수 있지만 내가 읽은 모든 것은 왜곡된 분류처럼 보입니다.
내가 트리에서 좋아하는 것은 계층의 작업인데, 내가 현재 작업하고 있는 프로그램에서 기본 계층을 생성할 수 있고, 그것으로부터 자동 계산을 할 수 있다(지금까지는 번거롭지만 아마도 나는 ' 대부분의 도구가 이름으로 명확하지 않기 때문에 모든 도구를 사용합니다. 예를 들어, ATS를 생성하기 위해 TS가 거래 결정을 내리기 위해 답해야 하는 다음 질문을 사용합니다.
- 내가 어디 있어? (가격 위치 포인트 설명)
- 여기 어떻게 왔어? (조건부 반대 지점에서 현재 지점으로의 이동 특성 분석)
- 무슨 일이 일어날 수 있습니까? (미래에 발생할 가능성이 있는 이벤트의 계산)
- 무엇을 할까요? (처음 3개 질문에 대한 답변을 고려한 역사적 패턴 분석)
- 위험을 감수할 가치가 있습니까? (거래시 발생할 수 있는 손실 및 가능한 이익 분석)
그래서 나는 네트워크/트리/숲이 거래에 대한 결정을 내릴 때 동일한 순서로 이러한 질문에 답하기를 원합니다.
숲은 어떻게 이것을 합니까? 포리스트는 단순히 임의의 예측자를 가져와서 이들 간의 연결을 찾은 다음 투표합니다. 그는 결과 샘플/예측자 무작위성에 따라 고정 모델을 사용하여 샘플에 부정확/정확하게 투표하거나 샘플의 패턴이 변경된다고 가정할 때 이 샘플에 대해 올바른 투표가 편중될 것입니다. 그러나 변화하는 패턴에 대한 분석은 어디에 있습니까? 내가 이해하는 것처럼 예측 변수가 얼마나 좋은지 모를 때 숲이 좋은 것입니다. 그러면 예측 변수의 상호 강화가 없는 경우 이러한 예측 변수는 투표 가중치를 갖지 않거나 가중치가 중요하지 않을 것입니다. 아니면 내가 모든 것을 완전히 오해하고 있습니까?
이 모델 은 OOS의 Reshetovsky 모델과 정확히 동일하게 작동합니다 . 일대일 스트레이트.
즉, 귀하의 경우에는 방법이 없습니까? 저도 말씀드리지만 본당 3기의 충만함보다
즉, 귀하의 경우에는 방법이 없습니까? 저도 말씀드리지만 본당 3기의 충만함보다
이번에는 Maksimka가 아니라 이번에는....... 마술사 말이 맞았다. 데이터의 품질이 10배 정도 향상되었으므로 모델의 품질이......
내가 가장 좋아하는 두 마술사가 다시 친구가 되었습니다. 그들 앞에 무엇이 놓여 있습니까?
아니....아직 사과를 하지 않았어.... 아직 사과할 건 없지만....
아니, 한 번도
예를 들어, 숲은 이미 보편적인 분류기 또는 근사기이고 손으로 편집할 것이 없기 때문에 이것이 필요한 이유를 정말로 이해하지 못합니다.
단일 트리는 다소 약한 원시 알고리즘입니다.
트리는 오히려 분석 후에 형성되는 명확한 논리이고 다른 모든 것이 지금은 적합하다고 생각합니다.
나는 시장의 다양한 상황을 고려하기 위한 편리한 도구로서의 나무에 관심이 있었습니다. 이를 통해 다른 조건에서 동일한 패턴을 사용하는 것이 편리하며 이러한 조건을 강조 표시하면 패턴이 활성화되거나 활성화되지 않습니다. 이것은 쉽게 프로그래밍할 수 있지만 편리한 프로그램이 없는 복잡한 모델을 형성하기 위한 매우 멋진 도구입니다.
트리가 사용 가능한 예측 변수의 90%에서 결과를 제공한다면 이는 이미 많은 것 이상입니다. 그러면 신경망 또는 트리 앙상블의 요점은 무엇입니까? 트리가 논리적 규칙(>/</==)을 사용하여 예측자 분류 영역을 강조 표시하면 결과가 더 좋습니다. 내가 이해하는 한 트리가 사용 가능한 모든 결과를 거치지 않거나 컷, 작은 보강이 있는 규칙이 잘려 결과적으로 샘플에 대한 신뢰할 수 있는 인식의 5-10%가 손실됩니다.
트리가 사용 가능한 예측 변수의 90%에서 결과를 제공한다면 이는 이미 많은 것 이상입니다. 그러면 신경망 또는 트리 앙상블의 요점은 무엇입니까? 트리가 논리적 규칙(>/</==)을 사용하여 예측자 분류 영역을 강조 표시하면 결과가 더 좋습니다. 내가 이해하는 한 트리가 사용 가능한 모든 결과를 거치지 않거나 컷, 작은 보강이 있는 규칙이 잘려 결과적으로 샘플에 대한 신뢰할 수 있는 인식의 5-10%가 손실됩니다.
요점은 하나의 트리가 패턴의 변화에 적응할 기회 없이 단순히 시퀀스를 학습한다는 것입니다(그리고 항상 시장에 출시될 것입니다).
앙상블에는 많은 무작위 구성 요소가 있어 새 데이터에 대한 안정성을 높입니다.
예, 나무를 자르는 것을 가지치기라고 합니다.
Stoned Maksimka Magician은 당신을 아무 것도 넣지 않습니다.
당신의 영혼의 깊이를 이해하지 못합니다.
어제 기계에 전혀 서두르지 않았습니다. 그를 조심하십시오))) 나는 죽어 가고 있습니다 ...
나는 마술사인가? 내 게시물은 마술처럼 사라지지 않습니다.
그냥 통계 도발자
네, 저는 담배를 피우지 않습니다
요점은 하나의 트리가 패턴의 변화에 적응할 기회 없이 단순히 시퀀스를 학습한다는 것입니다(그리고 항상 시장에 출시될 것입니다).
앙상블에는 많은 무작위 구성 요소가 있어 새 데이터에 대한 안정성을 높입니다.
예, 나무를 자르는 것을 가지치기라고 합니다.
패턴이 어떻게 바뀔지 어떻게 알 수 있습니까? 네트워크는 샘플을 100개 부분으로 나누고 예측 변수의 관계뿐만 아니라 이러한 관계의 변화 특성, 즉 패턴? 그렇다면 그녀는 패턴 변경에 대한 규칙을 가정할 수 있지만 내가 읽은 모든 것은 왜곡된 분류처럼 보입니다.
내가 트리에서 좋아하는 것은 계층의 작업인데, 내가 현재 작업하고 있는 프로그램에서 기본 계층을 생성할 수 있고, 그것으로부터 자동 계산을 할 수 있다(지금까지는 번거롭지만 아마도 나는 ' 대부분의 도구가 이름으로 명확하지 않기 때문에 모든 도구를 사용합니다. 예를 들어, ATS를 생성하기 위해 TS가 거래 결정을 내리기 위해 답해야 하는 다음 질문을 사용합니다.
- 내가 어디 있어? (가격 위치 포인트 설명)
- 여기 어떻게 왔어? (조건부 반대 지점에서 현재 지점으로의 이동 특성 분석)
- 무슨 일이 일어날 수 있습니까? (미래에 발생할 가능성이 있는 이벤트의 계산)
- 무엇을 할까요? (처음 3개 질문에 대한 답변을 고려한 역사적 패턴 분석)
- 위험을 감수할 가치가 있습니까? (거래시 발생할 수 있는 손실 및 가능한 이익 분석)
그래서 나는 네트워크/트리/숲이 거래에 대한 결정을 내릴 때 동일한 순서로 이러한 질문에 답하기를 원합니다.
패턴이 어떻게 바뀔지 어떻게 알 수 있습니까? 네트워크는 샘플을 100개 부분으로 나누고 예측 변수의 관계뿐만 아니라 이러한 관계의 변화 특성, 즉 패턴? 그렇다면 그녀는 패턴 변경에 대한 규칙을 가정할 수 있지만 내가 읽은 모든 것은 왜곡된 분류처럼 보입니다.
Forest는 교차 검증 및/또는 기본 모델의 앙상블이 있는 신경망도 수행합니다.
+ 다양한 정규화
Forest는 교차 검증 및/또는 기본 모델의 앙상블이 있는 신경망도 수행합니다.
NS에 대해-아마도 아직 뭔가를 이해하지 못할 수도 있습니다 ...
숲은 어떻게 이것을 합니까? 포리스트는 단순히 임의의 예측자를 가져와서 이들 간의 연결을 찾은 다음 투표합니다. 그는 결과 샘플/예측자 무작위성에 따라 고정 모델을 사용하여 샘플에 부정확/정확하게 투표하거나 샘플의 패턴이 변경된다고 가정할 때 이 샘플에 대해 올바른 투표가 편중될 것입니다. 그러나 변화하는 패턴에 대한 분석은 어디에 있습니까? 내가 이해하는 것처럼 예측 변수가 얼마나 좋은지 모를 때 숲이 좋은 것입니다. 그러면 예측 변수의 상호 강화가 없는 경우 이러한 예측 변수는 투표 가중치를 갖지 않거나 가중치가 중요하지 않을 것입니다. 아니면 내가 모든 것을 완전히 오해하고 있습니까?