Discussão do artigo "Floresta de Decisão Aleatória na Aprendizagem por Reforço" - página 4

Novo comentário
 
Maxim Dmitrievsky:

Sim, um testador virtual também está nos planos, mas, por enquanto, precisamos refinar outras coisas, como a seleção automática e a redução do preditor, que são mais importantes no momento, para que o modelo não se baseie tanto no histórico

Não seja atrevido, se estiver escrevendo uma nova classe de qualquer forma, use algo assim:

numberOfsamples++;
fuzzyRDFpolisyMatrix.Resize(numberOfsamples,iNeuronEntra+2);
for(int i=0;i<iNeuronEntra;i++)
     fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(i,ValueIndic(fila, i));
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra,action_fuzzy);
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra+1,1-action_fuzzy);

for(int i=0;i<numRDF;i++)
      {
         FileOpen(NameFile+"_"+IntegerToString(i)+".txt",FILE_WRITE|FILE_BIN|FILE_COMMON);
         FileWriteArray(filehnd,RDF[i].m_trees); //registro em árvore
         FileClose(filehnd);
      }
O número de indicadores e o número de árvores são definidos por variáveis - o que simplifica muito a vida quando se brinca com números diferentes mais tarde. Isso não é o principal, portanto, uma pequena indulgência com meu favorito para terminar menos, mas com certeza tentarei.
[Excluído]  
mov:

Não seja atrevido, se estiver escrevendo uma nova classe de qualquer forma, use algo assim:

O número de indicadores e o número de árvores são definidos por variáveis - isso facilita muito a vida quando se brinca com números diferentes. Isso não é o principal, portanto, uma pequena indulgência com meu favorito para terminar menos, mas com certeza tentarei.

aproximadamente assim e pronto, essa parte já está disponível

 
Vou me calar e ficarei ansioso para aparecer.
 

Se não for muito incômodo, mais uma pergunta.

Na ordem do absurdo: as primeiras passagens são treinadas por 1 floresta, a segunda parte das passagens - 2, etc. Temos um conjunto de florestas com diferentes graus de treinamento, a primeira é possivelmente retreinada, a última é subtreinada. Temos um conjunto de florestas com diferentes graus de treinamento, a primeira é possivelmente retreinada, a última é subtreinada. Faz sentido, em sua opinião, nos preocuparmos com essa direção?

[Excluído]  
mov:

Se não for muito incômodo, mais uma pergunta.

Na ordem do absurdo: as primeiras passagens são treinadas por 1 floresta, a segunda parte das passagens - 2, etc. Temos um conjunto de florestas com diferentes graus de treinamento, a primeira - possivelmente retreinada, a última - subtreinada. Temos um conjunto de florestas com diferentes graus de treinamento, a primeira, possivelmente retreinada, e a última, subtreinada. Na sua opinião, faz sentido seguir nessa direção?

Para fazer isso, você precisa entender a mecânica de como isso deve funcionar. Se não tiver uma ideia, estará apenas apontando o dedo para o céu

Por exemplo, se todos os scaffolds forem superajustados em exemplos de treinamento e não funcionarem em oob, não vejo sentido, pois muitas soluções ruins não darão boas soluções, a menos que por acaso ou se houver busting. Os comitês são criados principalmente para compensar erros infrequentes de um modelo específico, calculando a média dos resultados de vários, mas todos os modelos devem ser de qualidade suficientemente boa.

 

Boa tarde (noite), desculpe minha intromissão, mas o tópico da floresta de árvores foi levantado por você, sem julgamento....

Tentei dar uma olhada na implementação da floresta na AlgLib. A função de treinamento inicializa as matrizes e passa o controle para uma função especial que realmente realiza o treinamento. É relativamente fácil organizar o retreinamento em tempo real, mas essa implementação não corta ramos como o algoritmo de construção de árvore CART (até onde posso julgar, pois analisar o código de outra pessoa, que é mal documentado em termos de algoritmo, é um prazer). Haverá um problema de retreinamento. Ou seja, treinamos a rede, na vida real ela é retreinada como se estivesse prolongando o período de sua eficiência e, em seguida, uma nova otimização. A realização do corte para a possibilidade de retreinamento completo é demorada e, no futuro, interessará aos desenvolvedores do MT5 (eles levaram a biblioteca para o conjunto de entrega). E, tradicionalmente: há algum sentido nesse treinamento adicional limitado no tempo?

[Excluído]  
mov:

Boa tarde (noite), desculpe minha intromissão, mas o tópico da floresta de árvores foi levantado por você, sem julgamento....

Tentei dar uma olhada na implementação da floresta na AlgLib. A função de treinamento inicializa as matrizes e passa o controle para uma função especial que realmente realiza o treinamento. É relativamente fácil organizar o retreinamento em tempo real, mas essa implementação não corta ramos como o algoritmo de construção de árvore CART (até onde posso julgar, pois analisar o código de outra pessoa, que é mal documentado em termos de algoritmo, é um prazer). Haverá um problema de retreinamento. Ou seja, treinamos a rede, na vida real ela é retreinada como se prolongasse o período de sua eficiência e, em seguida, uma nova otimização. A realização de um corte para a possibilidade de retreinamento completo é demorada e, no futuro, interessará aos desenvolvedores do MT5 (eles levaram a biblioteca para o conjunto de entrega). E, tradicionalmente: há algum sentido nesse treinamento adicional limitado no tempo?

A poda é interessante por si só, mas não está aqui, sim. Não sei até que ponto o retreinamento de andaimes é uma ideia útil, porque também não leva muito tempo para retreiná-lo completamente. A menos que o retreinamento seja planejado para ser feito com muita frequência - mas aí acontece que o algoritmo não é capaz de funcionar por muito tempo... uma via de mão dupla.

 
Maxim Dmitrievsky:

Acho que em uma ou duas semanas em russo, e depois eles o traduzirão

Prezado Maxim Dmitrievsky,

Você poderia informar se já publicou seu próximo artigo sobre a implementação da floresta de decisões aleatórias com diferentes agentes e sem a lógica fuzzy que mencionou anteriormente?

Muito obrigado

 

Olá , Maxim Dmitrievsky,

Há quanto tempo você terminou o próximo artigo sobre floresta de decisão aleatória?

Ou você já publicou o próximo artigo? Em caso afirmativo, pode fornecer um link?

Muito obrigado


[Excluído]  
FxTrader562 :

Olá , Maxim Dmitrievsky,

Há quanto tempo você terminou o próximo artigo sobre floresta de decisão aleatória?

Ou você já publicou o próximo artigo? Em caso afirmativo, pode fornecer um link?

Muito obrigado


Olá, ele ainda não está pronto. Quando estiver finalizado, enviarei um e-mail para você.

12345678910
Novo comentário