mnogoVhodov_02에 대해서도 동일한 작업을 수행하겠습니다. 나는 밤 동안 작동하도록 대본을 남겨두고 내일 오후에 무슨 일이 있었는지 보여 드리겠습니다.
그래도 malovhodov에 대한 모델의 정확도는 그리 높지 않아 잘못된 항목이 많이 있습니다. 나는 거래하지 않았다)
트리의 전체 화면에 감사드립니다. 이제 프로그램의 트리에서 이 세트를 사용해 보겠습니다.
당신이 거래를 조언하지 않는다는 사실은 이해할 만합니다. 이것은 아직 완전하고 최종적인 세트가 아닙니다. 반면에 나무가 그 안에서 무언가를 발견한다면 나는 정말로 숲을 희망합니다. - 거기에서 아이디어에 따르면 결과는 여전히 내 예상에 따라 와야 합니다. 15%는 이미 좋은 것입니다.
그리고 입력이 거의 없으므로 이것과 필터 세트에 대해 - 아이디어에 따르면 집계의 상태가 개선되어야 합니다.
Forest가 2015년부터 arr_Vektor_Week, arr_Vektor_Day 등을 기반으로 arr_Buy를 예측하도록 가르치려고 했습니다.
클래스는 매우 불균형합니다(클래스 1보다 클래스 0에 대한 예제가 10배 더 많음). 이는 많은 어려움을 추가합니다.
2015년 나무가 훈련된 곳입니다.
y_pred
y_true
0
하나
0
97268
86118
하나
5529
12256
두 경우 모두 예측 정확도는 낮지만 정확도는 두 경우 모두 최소 50% 이상입니다.
나는 이 판에 대한 표준 오차 계산을 중단했습니다.
나는 이렇게 추론한다. 나는 즉시 클래스 1을 선택한다. 더 명확하다: 원래 클래스 "0"은 클래스 "1" = 86118의 예측을 제공하고 클래스 "1"은 클래스 "1" = 12256의 예측을 제공했습니다. 이것은 의미합니다. 거래할 때 클래스의 잘못된 예측 = 86118, 올바른 예측 = 12256, 즉 오류 = 86116/(86116+12256) = 87.5%9(!) 그러나 클래스 "0"의 위치는 매우 적절합니다. 결정을 내릴 때 잘못된 0이 있는 경우는 5.3%에 불과합니다.
프로그래밍 방식으로 트리는 다음과 같이 설명할 수 있습니다.
그리고 예측 변수의 정확한 이름은 없습니다. 그림은 이름만 보여줍니다....
전체 제목은 다음과 같습니다.
mnogoVhodov_02에 대해서도 동일한 작업을 수행하겠습니다. 나는 밤 동안 작동하도록 대본을 남겨두고 내일 오후에 무슨 일이 있었는지 보여 드리겠습니다.
그래도 malovhodov에 대한 모델의 정확도는 그다지 높지 않아 잘못된 항목이 많이 있습니다. 나는 거래하지 않았다)
그는 자신의 숲을 참과 거짓으로 몰아갔습니다.
시험에서 원하는 반 이상이 다른 반에 갔지만 훈련에서는 잘 나눴다)
좋은 결과입니다. 나는 숲을 사용하지 않지만 한 그루의 나무를 사용하는데, 아마도 그것이 나에게 눈에 띄게 더 나쁜 이유일 것입니다.
그리고 다른 파일의 데이터로 테스트한 결과는 무엇입니까? (또 1년)
전체 제목은 다음과 같습니다.
mnogoVhodov_02에 대해서도 동일한 작업을 수행하겠습니다. 나는 밤 동안 작동하도록 대본을 남겨두고 내일 오후에 무슨 일이 있었는지 보여 드리겠습니다.
그래도 malovhodov에 대한 모델의 정확도는 그리 높지 않아 잘못된 항목이 많이 있습니다. 나는 거래하지 않았다)
트리의 전체 화면에 감사드립니다. 이제 프로그램의 트리에서 이 세트를 사용해 보겠습니다.
당신이 거래를 조언하지 않는다는 사실은 이해할 만합니다. 이것은 아직 완전하고 최종적인 세트가 아닙니다. 반면에 나무가 그 안에서 무언가를 발견한다면 나는 정말로 숲을 희망합니다. - 거기에서 아이디어에 따르면 결과는 여전히 내 예상에 따라 와야 합니다. 15%는 이미 좋은 것입니다.
그리고 입력이 거의 없으므로 이것과 필터 세트에 대해 - 아이디어에 따르면 집계의 상태가 개선되어야 합니다.그리고 다른 파일의 데이터로 테스트한 결과는 무엇입니까? (또 한 해)
이것은 내 데이터(하나의 파일)입니다. 테스트는 25%입니다.
전체 제목은 다음과 같습니다.
mnogoVhodov_02에 대해서도 동일한 작업을 수행하겠습니다. 나는 밤 동안 작동하도록 대본을 남겨두고 내일 오후에 무슨 일이 있었는지 보여 드리겠습니다.
그래도 malovhodov에 대한 모델의 정확도는 그다지 높지 않아 잘못된 항목이 많이 있습니다. 나는 거래하지 않았다)
나는 Deductor 프로그램에서 트리를 만들었는데, 대상이 발견되지 않았습니다. 트리를 더 확장해야 합니다.
열정이 식지 않는 걸 보니... 그 사이 두 네트워크를 비교하며 한 주가 흘렀다. 온갖 시험 등으로 너에게 무엇을 먹일 것인가 하는 생각이 들었다. 무엇보다 전투로 문제가 해결되고 그 결과는 다음과 같다...
P로 구축된 ELMNN 네트워크는 이렇게 일주일 동안 작동했습니다.
jPrediction- 이런 레셰토프....
누가 더 힘들다고 판단하기 어렵습니다. 옵티마이저 둘 다 좋다고 생각합니다. 근데 여기가 제일 나은듯.....
그리고 할머니를 수다 떨 필요가 없습니다 !!!!!!!!
중요한 것은 따라가는 것입니다. 주 Akello는 다시 놓치지 않았습니다
제 기본 전략은 타작마당이라고 생각했습니다. 누구나 기본 전략을 던질 수 있습니까? 대리인을 희생하여 개선하려고 노력할 것입니다.
malovhodov를 시작하려고했습니다.
Forest가 2015년부터 arr_Vektor_Week, arr_Vektor_Day 등을 기반으로 arr_Buy를 예측하도록 가르치려고 했습니다.
클래스는 매우 불균형합니다(클래스 1보다 클래스 0에 대한 예제가 10배 더 많음). 이는 많은 어려움을 추가합니다.
2015년 나무가 훈련된 곳입니다.
두 경우 모두 예측 정확도는 낮지만 정확도는 두 경우 모두 최소 50% 이상입니다.
나는 이 판에 대한 표준 오차 계산을 중단했습니다.
나는 이렇게 추론한다. 나는 즉시 클래스 1을 선택한다. 더 명확하다: 원래 클래스 "0"은 클래스 "1" = 86118의 예측을 제공하고 클래스 "1"은 클래스 "1" = 12256의 예측을 제공했습니다. 이것은 의미합니다. 거래할 때 클래스의 잘못된 예측 = 86118, 올바른 예측 = 12256, 즉 오류 = 86116/(86116+12256) = 87.5%9(!) 그러나 클래스 "0"의 위치는 매우 적절합니다. 결정을 내릴 때 잘못된 0이 있는 경우는 5.3%에 불과합니다.