Discussão do artigo "Aplicando o método de Monte Carlo no aprendizado por reforço" - página 4
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
como você desejar :)
mas isso é algo trivial. A importância depende da variação da ficha (quase sempre, exceto para modelos muito simples). O Forest não realiza nenhuma transformação nas fichas, não as multiplica ou divide umas pelas outras etc., mas simplesmente espalha seus valores pelos nós, de modo que não há interações, apenas separação
A sequência de propagação (a profundidade em que o preditor estará na árvore) é importante e depende de outros preditores, incluindo aqueles que são melhores na propagação....
A sequência de propagação (a profundidade em que o preditor estará na árvore) é importante e depende de outros preditores, incluindo aqueles que são mais bem distribuídos....
Se for uma árvore de 3 divisões, acho que sim; se for uma floresta, esqueça.
ou encontre a confirmação de seus pensamentos na literatura, na pesquisa de profissionais. Caso contrário, por que fazer algo para o qual o modelo não foi projetado, inventar alguma bobagemSe for uma árvore com três divisões, acho que sim; se for uma floresta, esqueça.
ou encontre a confirmação de seus pensamentos na literatura, na pesquisa de profissionais. Caso contrário, por que fazer algo para o qual o modelo não foi projetado, para inventar alguma bobagem?Você é melhor com literatura, especialmente literatura estrangeira. Já ouvi de diversos palestrantes no YouTube que a construção da árvore gulosa pode estar errada. Não tenho estudos confiáveis, só tenho os resultados dos meus experimentos, é possível que eu esteja interpretando mal os resultados. Em geral, então qual é o objetivo deste artigo, se você pode inserir todos os preditores de uma vez e obter um modelo quase perfeito?
É melhor você lidar com a literatura, especialmente a estrangeira. Ouvi opiniões de diferentes palestrantes no YouTube de que a construção da árvore gulosa pode estar errada. Não tenho estudos confiáveis, só tenho os resultados de meus experimentos, é possível que eu esteja interpretando mal os resultados. Em geral, então qual é o objetivo deste artigo, se você pode inserir todos os preditores de uma vez e obter um modelo quase perfeito?
Para remover o ruído dos desnecessários, para tornar o modelo mais leve.
mas o objetivo do artigo é, na verdade, diferente, está no título.para remover o ruído dos extras, para clarear o modelo.
mas o objetivo do artigo é, na verdade, diferente, está no título.Então, você faz uma seleção aleatória de preditores e escolhe o melhor modelo a partir dele, mas não se sabe qual é a qualidade do modelo absoluto. Os objetivos são os mesmos, mas as ferramentas são ligeiramente diferentes.
Então, você faz uma seleção aleatória de preditores e escolhe o melhor modelo, mas não sabe qual é a qualidade do modelo absoluto. Os objetivos são os mesmos, mas as ferramentas são ligeiramente diferentes.
Não há seleção aleatória de preditores.
O que você quer dizer com "uma pesquisa mais informada"?
Não há seleção aleatória de preditores
O que significa "busca mais razoável"?
Percebi que li (percebi) uma palavra errada no artigo e o entendi mal. O artigo diz que "o método Monte Carlo ou a amostragem aleatória de variáveis-alvo devem ser considerados separadamente" e, de alguma forma, percebi que se tratava de preditores.
Uma superamostragem mais válida é uma superamostragem baseada em resultados anteriores, com reforço, por assim dizer.
Percebi que li (percebi) uma palavra no artigo incorretamente e a interpretei mal. O artigo diz que "o método Monte Carlo ou a amostragem aleatória de variáveis-alvo devem ser considerados separadamente" e, de alguma forma, percebi que se tratava de preditores.
A sobreamostragem mais válida é a sobreamostragem com resultados anteriores, com reforço, por assim dizer.
Não entendi o ponto, provavelmente não é relevante para o tópico do artigo.
Acho que já escrevi sobre importans.
Novo artigo Aplicando o método Monte Carlo no aprendizado por reforço foi publicado:
Autor: Maxim Dmitrievsky
Obrigado. É possível fazer o treinamento usando a GPU em vez da CPU?
Obrigado. É possível fazer o treinamento usando a GPU em vez da CPU?
Sim, se você reescrever toda a lógica (incluindo RF) em kernels de cl aberto :) a floresta aleatória também tem a pior viabilidade e paralelismo de GPU