Discussão do artigo "Reamostragem avançada e seleção de modelos CatBoost pelo método de força bruta" - página 5
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
Então, é necessário fazer a média exata. Caso contrário, ela será "diferente" com os novos dados.
Você não precisa calcular a média com exatidão. O amostrador já tem a média incorporada.
O amostrador GMM pode criar uma amostra ruim, com classes distorcidas, etc., a amostragem é aleatória. Faz sentido levar isso em consideração?
definitivamente não precisa fazer média
O amostrador GMM pode criar uma amostra ruim, com classes distorcidas etc., a amostragem é aleatória. Faz sentido levar isso em consideração?
De forma semelhante, uma floresta aleatória cria um conjunto de árvores bem-sucedidas e não tão bem-sucedidas. A média de todos os modelos mostra um resultado melhor em novos dados do que uma única árvore melhor.
De forma semelhante, uma floresta aleatória cria um conjunto de árvores boas e não tão boas. A média de todos os modelos mostra um resultado melhor em novos dados do que uma única árvore melhor.
E se você compor várias florestas, haverá aproximadamente zero transações, pois os sinais se sobreporão.
E se você compuser vários andaimes, as negociações serão aproximadamente zero, os sinais se sobreporão.
Várias (por exemplo, 10) florestas de 100 é o mesmo que uma floresta de 1000 árvores. Ela fornece muitos sinais.
Algumas (por exemplo, 10) florestas de 100 é o mesmo que uma floresta de 1.000 árvores. Isso dá muitos sinais.
Alguma prática? Eu já fiz isso antes. Os sinais se tornam poucos.
Se você tiver um conjunto de indentação de 0,5, basta reduzi-lo.
Concordo com isso, pois não estava recebendo o suficiente. E não entendo muito bem por que você adicionaria modelos ruins aleatoriamente. Componha modelos legais que melhorem uns aos outros - outra conversa
É a média de tudo o que é necessário. As descrições básicas do princípio do andaime dizem isso. Como se a multidão soubesse mais do que um especialista.
Fiz isso com a madeira há cerca de 2 anos, treinei 1.000 e peguei os melhores 10-50. Não funcionou, aparentemente o resultado em novos dados não foi muito bom.
É a média de tudo em uma linha que é necessária. As descrições básicas do princípio da estrutura de andaimes dizem isso. Como se a multidão soubesse mais do que um especialista.