Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3505
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
Не буду ввязываться в споры, просто рекомендую почитать хотя бы вики про жадные алгоритмы. Деревья всегда строятся по жадным алгоритмам.
Вот об этом я и пишу - что принцип жадного выбора не оптимален, так как ухудшает выбор на последующих шагах.
Условия применимости
Общего критерия оценки применимости жадного алгоритма для решения конкретной задачи не существует, однако для задач, решаемых жадными алгоритмами, характерны две особенности: во-первых, к ним применим Принцип жадного выбора, а во-вторых, они обладают свойством Оптимальности для подзадач.
Принцип жадного выбора
Говорят, что к оптимизационной задаче применим принцип жадного выбора, если последовательность локально оптимальных выборов даёт глобально оптимальное решение. В типичном случае доказательство оптимальности следует такой схеме:
Вам нужно внимательно прочесть все определения, какие есть методы анализа данных и уже определиться. Квантизация к таким не относится.
Вы думали, что понимаете мой труд, но оказалось, что только это себе придумали. Иногда надо приложить больше усилий, что бы понять как всё устроено - это не функции из библиотеки вызывать.
Вы думали, что понимаете мой труд, но оказалось, что только это себе придумали. Иногда надо приложить больше усилий, что бы понять как всё устроено - это не функции из библиотеки вызывать.
😀😀😀 с телками проще общаться
Зачем мне бессмысленный разговор с человеком, который искажает факты, не хочет понимать других, который думает, что знает...
Нет, я сожалею, что потратил кучу времени расшаркиваясь тут в объяснениях - нет тут слушателей.
Зачем мне бессмысленный разговор с человеком, который искажает факты, не хочет понимать других, который думает, что знает...
Нет, я сожалею, что потратил кучу времени расшаркиваясь тут в объяснениях - нет тут слушателей.
курица столб колесо = 10
что это? может должно быть 2 + 8 =10 или 5+5=10 или еще как то ?
ну да, возможно и так наверное но не уверен.
Так как же должно быть? И почему ты не пишеш понятным для всех языком? Как вообще тебя можно понять?
Все я нормально пишу, вы просто не хотите вникать и вообще я тут зря распинаюсь
ладно...
курица столб колесо = 10
что это? может должно быть 2 + 8 =10 или 5+5=10 или еще как то ?
ну да, возможно и так наверное но не уверен.
Так как же должно быть? И почему ты не пишеш понятным для всех языком? Как вообще тебя можно понять?
Все я нормально пишу, вы просто не хотите вникать и вообще я тут зря распинаюсь
ладно...
Похоже, Вы один и не поняли алгоритм...
Похоже, Вы один и не поняли алгоритм...
Вот об этом я и пишу - что принцип жадного выбора не оптимален, так как ухудшает выбор на последующих шагах.
Условия применимости
Общего критерия оценки применимости жадного алгоритма для решения конкретной задачи не существует, однако для задач, решаемых жадными алгоритмами, характерны две особенности: во-первых, к ним применим Принцип жадного выбора, а во-вторых, они обладают свойством Оптимальности для подзадач.
Принцип жадного выбора
Говорят, что к оптимизационной задаче применим принцип жадного выбора, если последовательность локально оптимальных выборов даёт глобально оптимальное решение. В типичном случае доказательство оптимальности следует такой схеме:
Конечно, жадный алгоритм не даёт гарантии глобального оптимума, поэтому давно ищут не-жадные для деревьев. Но пока это только академические исследования, а не рабочие пакеты. Вам нужны конкретные доводы в пользу того, что у вас используются именно нежадные.
Суть то не в сопоставлении моего метода в конечном итоге (он не идеален), а в том, что я показал в экспериментах, что с каждой итерации вероятность выбора эффективного сплита (который будет с тем же вектором смещения на новых данных) уменьшается и это, по сути, является причиной получения неустойчивых моделей.
При этом я детализировал ситуацию по итерациям для каждого предиктора, и показал, что есть диапазоны, в которых предиктор даёт квантовые отрезки с высокой вероятностью устойчивости на новых данных. У всех предикторов по разному - отсюда вывод о важности последовательности выбора предикторов для сплита.
Вопрос в том, как можно влиять на вероятность выбора эффективного сплита (в моём случае двойной сплит - квантовый отрезок). Если можно увеличить вероятность, то ошибочных сплитов будет меньше.