elibrarius: Будет интересно узнать результат. Думаю можно тестовую еще пополам разделить, половину для теста и половину для экзамена. Ну или добавить пару лет.
я делал подобное раньше, стакал леса. Собственно, ничего прекрасного это не дало.
В данном случае тоже сомневаюсь. Но потом проверю.
И называется случайный лес, потому что все случайные деревья суммируются. Для лучших назвали бы не случайным, а лучшим лесом. )))
Видимо у нас разные представления о рандом бустинг. Решающее дерево, это про отобранные признаки из случайного набора. Смысл, что наборы случайны, но выбор / кластеризация на плохие хорошие изначально была. Это как иголку бросать, углы мерять и число Пи вычислять)
из вики
Построимрешающее дерево, классифицирующее образцы данной подвыборки, причём в ходе создания очередного узла дерева будем выбирать набор признаков, на основе которых производится разбиение (не из всехMпризнаков, а лишь изmслучайно выбранных). Выбор наилучшего из этихmпризнаков может осуществляться различными способами. В оригинальном коде Бреймана используетсякритерий Джини, применяющийся также в алгоритме построения решающих деревьевCART. В некоторых реализациях алгоритма вместо него используетсякритерий прироста информации. [3]
Видимо у нас разные представления о рандом бустинг. Решающее дерево, это про отобранные признаки из случайного набора. Смысл, что наборы случайны, но выбор / кластеризация на плохие хорошие изначально была. Это как иголку бросать, углы мерять и число Пи вычислять)
из вики
Построимрешающее дерево, классифицирующее образцы данной подвыборки, причём в ходе создания очередного узла дерева будем выбирать набор признаков, на основе которых производится разбиение (не из всехMпризнаков, а лишь изmслучайно выбранных). Выбор наилучшего из этихmпризнаков может осуществляться различными способами. В оригинальном коде Бреймана используетсякритерий Джини, применяющийся также в алгоритме построения решающих деревьевCART. В некоторых реализациях алгоритма вместо него используетсякритерий прироста информации. [3]
Да, деревьев много, но каждое пытается обучиться наилучшим образом на разных признаках. Это не то же самое, что объединять несколько лесов (в т.ч. и плохих)
В том ноутбуке только этот блок с кодом выдает ошибку
pr = get_prices(look_back=LOOK_BACK)
pr = add_labels(pr, 10, 25)
rep = tester(pr, MARKUP)
plt.plot(rep)
plt.show()
ValueError: Cannot set a frame with no defined index and a value that cannot be converted to a Series
В чем может быть причина?
В том ноутбуке только этот блок с кодом выдает ошибку
pr = get_prices(look_back=LOOK_BACK)
pr = add_labels(pr, 10, 25)
rep = tester(pr, MARKUP)
plt.plot(rep)
plt.show()
ValueError: Cannot set a frame with no defined index and a value that cannot be converted to a Series
В чем может быть причина?
датафрейм пустой
проверьте получены котировки или нет
Вы попробуйте. Недолго ведь. Неужели не интересно проверить в эксперименте? Брейман же не сделал этого в своем случайном лесе.
это медленно. Попробую потом.
это медленно. Попробую потом.
датафрейм пустой
проверьте получены котировки или нет
точно, не обратил внимание, что у брокера у пары евробакс в конце ещё буква "m" есть - EURUSDm
Будет интересно узнать результат. Думаю можно тестовую еще пополам разделить, половину для теста и половину для экзамена. Ну или добавить пару лет.
я делал подобное раньше, стакал леса. Собственно, ничего прекрасного это не дало.
В данном случае тоже сомневаюсь. Но потом проверю.
я делал подобное раньше, стакал леса. Собственно, ничего прекрасного это не дало.
В данном случае тоже сомневаюсь. Но потом проверю.
Согласен, в лесе изначально усреднение лучших результатов. Но проверить не мешает)
Согласен, в лесе изначально усреднение лучших результатов. Но проверить не мешает)
Нет, всех.
И называется случайный лес, потому что все случайные деревья суммируются.
Для лучших назвали бы не случайным, а лучшим лесом. )))
Нет, всех.
И называется случайный лес, потому что все случайные деревья суммируются.
Для лучших назвали бы не случайным, а лучшим лесом. )))
Видимо у нас разные представления о рандом бустинг. Решающее дерево, это про отобранные признаки из случайного набора. Смысл, что наборы случайны, но выбор / кластеризация на плохие хорошие изначально была. Это как иголку бросать, углы мерять и число Пи вычислять)
из вики
Видимо у нас разные представления о рандом бустинг. Решающее дерево, это про отобранные признаки из случайного набора. Смысл, что наборы случайны, но выбор / кластеризация на плохие хорошие изначально была. Это как иголку бросать, углы мерять и число Пи вычислять)
из вики
Да, деревьев много, но каждое пытается обучиться наилучшим образом на разных признаках. Это не то же самое, что объединять несколько лесов (в т.ч. и плохих)