Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2110
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Выбор правильного разбиения существенно влияет на результат.
Вот пример по Recall - до 50% разброс - для меня это существенно.
Увеличение границ с 8 до 512 с шагом 512 - правда на гистограмме не по порядку - у меня названия немного этому препятствуют.
Пока экспериментирую с подбором сеток, но уже очевидно, что есть разные предикторы для которых нужны разные сетки, что б соблюдать логику, а не только подгонятся.
Берите 65535 квантов и не парьтесь. Вычисления будут максимально точными.
Вот эти сложные и интересуют :)
А по UniformAndQuantiles теорию я знаю, а вот как это в реале не понимаю - как определить область где так квантуем, а где сяк. Тут не понимаю - или до середины одним методом, а после другим - но это бредово.
Да
1) Так и происходит. Берется отдельный столбец сортируется и разделяется на кванты.
2) Именно так он и делает, - с чего вы взяли?
Он не умеет оценивать связь целевой и набора значений при квантовании. Разбиение сетки происходит на заданное число отрезков, если это возможно, для всех предикторов, а это не всегда нужно. Зато CatBoost умеет работать с подаваемой (отдельно подготовленной) сеткой квантования, чем я и пользуюсь.
Берите 65535 квантов и не парьтесь. Вычисления будут максимально точными.
Нет же, это будет подгонка просто, а не модель со смыслом!
Да
Весьма странно.
Он не умеет оценивать связь целевой и набора значений при квантовании. Разбиение сетки происходит на заданное число отрезков, если это возможно, для всех предикторов, а это не всегда нужно. Зато CatBoost умеет работать с подаваемой (отдельно подготовленной) сеткой квантования, чем я и пользуюсь.
А вы умеете?
Нет же, это будет подгонка просто, а не модель со смыслом!
Не согласен. Квантованием вы уменьшаете количество информации. Максимальное число квантования оставит максимум информации.
Но квантовать на 65535 дольше чем на 255.
А вы умеете?
Да, я работаю над этим - изначально это делалось для генетических деревьев.
Необходимо оценивать распределение информации по выборке и её связь с целевой. Я смотрю на то, как уменьшается ошибка на конкретном участке квантования и какой процент примеров она содержит - сбалансированность этих показателей позволяет отобрать лучшие разбиения.
Не согласен. Квантованием вы уменьшаете количество информации. Максимальное число квантования оставит максимум информации.
Но квантовать на 65535 дольше чем на 255.
Зря, что несогласны - информации там мало и её надо отделить от шума. Нам (мне) нужны устойчивые зависимости, а не те, что повторяются раз в 5 лет и поэтому по ним недостаточно просто статистики для оценки их склонности к конкретной целевой, использование недостаточного числа примеров приводит просто к подгонке.
Да, я работаю над этим - изначально это делалось для генетических деревьев.
Необходимо оценивать распределение информации по выборке и её связь с целевой. Я смотрю на то, как уменьшается ошибка на конкретном участке квантования и какой процент примеров она содержит - сбалансированность этих показателей позволяет отобрать лучшие разбиения.
Как вы оцениваете ошибку при квантовании. Её же можно получить только прогнав обучение, причем сразу по всем столбцам, а не по каждому, квантуемому вы настоящий момент.