Обсуждение статьи "Градиентный бустинг в задачах трансдуктивного и активного машинного обучения"
Опубликована статья Градиентный бустинг в задачах трансдуктивного и активного машинного обучения:
Автор: Maxim Dmitrievsky
Норм, конечно наличие ручных меток и разумные допущения это не ИИ) но реально снижает область данных и размерностей для обучения, делает их приемлимыми хотя бы)
Норм, конечно наличие ручных меток и разумные допущения это не ИИ) но реально снижает область данных и размерностей для обучения, делает их приемлимыми хотя бы)
Из ручного только выбор признаков (фичей). Думаю как избавиться от последнего ручного.
есть варианты, но пока руки не добралисьИз ручного только выбор признаков (фичей). Думаю как избавиться от последнего ручного.
есть варианты, но пока руки не добралисьИ автоматическое определение целей)))
И автоматическое определение целей)))
это уже есть
Спасибо за замечательную статью.
Пожалуйста.
Ничего не понял :)
Сколько классов размечалось автоматически?
Если больше двух, то логично было бы каждому классу дать финансовую оценку - приносит он убыток или прибыль, а потом слить в два класса для финального обучения.
Ничего не понял :)
Сколько классов размечалось автоматически?
Если больше двух, то логично было бы каждому классу дать финансовую оценку - приносит он убыток или прибыль, а потом слить в два класса для финального обучения.
Congratulations for such a great article after long time!!
How to train and test other currency pairs?
The coding part is complicated for me to do any editing or any form of improvements for testing purpose:)
Congratulations for such a great article after long time!!
How to train and test other currency pairs?
The coding part is complicated for me to do any editing or any form of improvements for testing purpose:)
You can not compile py file in MetaEditor5, for this purpose you need to install PyCharm program and run this script.

- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Градиентный бустинг в задачах трансдуктивного и активного машинного обучения:
В данной статье вы познакомитесь с методами активного машинного обучения на реальных данных, узнаете какие плюсы и минусы они имеют. Возможно, эти методы займут свое место в вашем арсенале моделей машинного обучения. Термин трансдукции был введен Владимиром Наумовичем Вапником, изобретателем машины опорных векторов или SVM (support vector machine).
Перейдем сразу к активному обучению и протестируем его эффективность на наших данных.
На текущий момент существует несколько библиотек для активного обучения на языке Python, здесь я приведу три самые распространенные:
Мой выбор пал на библиотеку modAL как на более интуитивную, подходящую для знакомства с философией активного обучения. Она дает большую свободу в конструировании моделей и создания своих собственных, используя стандартные блоки или создавая свои новые.
Давайте представим описанный выше процесс обучения на схеме, которая уже не требует детальных пояснений:
см. документацию
Автор: Maxim Dmitrievsky