The RandOm Convolutional KErnel Transform (ROCKET) algorithm randomly generates a great variety of convolutional kernels and extracts two features for each convolution: the maximum and the proportion of positive values. This example...
Не зря дал ссылку именно на ROCKET - типа крутой преобразователь фичей. Создает оч. много некоррелированных фичей из исходных, повышает кач-во классификации
рекомендуют использовать с линейными моделями (т.к. получается очень много признаков)
Не зря дал ссылку именно на ROCKET - типа крутой преобразователь фичей. Создает оч. много некоррелированных фичей из исходных, повышает кач-во классификации
рекомендуют использовать с линейными моделями (т.к. получается очень много признаков)
надо будет затестить
Сообщите потом о результатах - очень интересная тема!
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
Есть отдельная область - классификация тайм серий и соответствующие библиотеки типа такой
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
кто-нибудь юзал?
Есть отдельная область - классификация тайм серий и соответствующие библиотеки типа такой
https://pyts.readthedocs.io/en/latest/auto_examples/transformation/plot_rocket.html
кто-нибудь юзал?
Надо юзать, интересный пакет. Конструктор прям.
Надо юзать, интересный пакет. Конструктор прям.
Не зря дал ссылку именно на ROCKET - типа крутой преобразователь фичей. Создает оч. много некоррелированных фичей из исходных, повышает кач-во классификации
рекомендуют использовать с линейными моделями (т.к. получается очень много признаков)
надо будет затестить
Не зря дал ссылку именно на ROCKET - типа крутой преобразователь фичей. Создает оч. много некоррелированных фичей из исходных, повышает кач-во классификации
рекомендуют использовать с линейными моделями (т.к. получается очень много признаков)
надо будет затестить
Сообщите потом о результатах - очень интересная тема!
Создает оч. много некоррелированных фичей из исходных,
обычный РСА? :)
обычный РСА? :)
нет
нет
в чем разница?
=========
слушай, не помнишь как называется такой прогноз когда прогнозируешь на шаг вперед, потом прогнозирушешь дальше но уже с этой точкой и тд
в чем разница?
читай ) я не разбирался в мат. части
это больше похоже на МГУА, но работает через свертку признаков, а не полиномыслушай, не помнишь как называется такой прогноз когда прогнозируешь на шаг вперед, потом прогнозирушешь дальше но уже с этой точкой и тд
many to many в RNN
я записался на курсы по сверточным сетям %) 72 часа. ну там первая часть это изучение питона, всякая фигня (что уже знаю)