Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2943
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
Сложно сказать :) Математические выкладки можно посмотреть в этом видео
Не, тут пусто. Я забыл упомянуть, что речь про бустинг.
Поясните плиз как получается следующая формула в алгоритме классификации на деревьях (можно ссылочку на PDF):
Во всех материалах, которые удалось находить в инете, формула просто волшебным образом "берется с потолка".
Если суммирование по классам, то в знаменателе индекс Джини или чистота узла (node purity). Чем она меньше, тем лучше. В числителе - число строк, попавших в лист.
Чем больше критерий тем лучше - классы разделяются чище, но без чрезмерного измельчения листов.
Вроде бы индекс Джини выбран потому, что он считается более чувствительным чем частота ошибки классификации.
Если суммирование по классам, то в знаменателе индекс Джини или чистота узла (node purity). Чем она меньше, тем лучше. В числителе - число строк, попавших в лист.
Чем больше критерий тем лучше - классы разделяются чище, но без чрезмерного измельчения листов.
Вроде бы индекс Джини выбран потому, что он считается более чувствительным чем частота ошибки классификации.
Нет, суммирование по записям, попавшим в узел. К мере информативности вопрос не относится. Это про передачу "остатков" между деревьями - там постоянно делается пересчет из вероятности в логит и обратно.
Нет, суммирование по записям, попавшим в узел. К мере информативности вопрос не относится. Это про передачу "остатков" между деревьями - там постоянно делается пересчет из вероятности в логит и обратно.
А как вообще частота может считаться для записи? Для класса понятно как.
Нет, суммирование по записям, попавшим в узел. К мере информативности вопрос не относится. Это про передачу "остатков" между деревьями - там постоянно делается пересчет из вероятности в логит и обратно.
Или речь о классификации посредством логистической регрессии? В любом случае, одной выдернутой откуда-то формулы недостаточно, нужен текст целиком.
Или речь о классификации посредством логистической регрессии? В любом случае, одной выдернутой откуда-то формулы недостаточно, нужен текст целиком.
Логит-функция в смысле ln(odds). Нужна для перевода области значений вероятности [0,1] в плюс-минус бесконечность - иначе не получится градиентом обучаться.
Например, вот текст - https://medium.com/swlh/gradient-boosting-trees-for-classification-a-beginners-guide-596b594a14ea
А вот видео - https://www.youtube.com/watch?v=hjxgoUJ_va8
PS. ИМХО, и там и там есть ошибки в материале.Если суммирование по классам, то в знаменателе индекс Джини или чистота узла (node purity). Чем она меньше, тем лучше. В числителе - число строк, попавших в лист.
Чем больше критерий тем лучше - классы разделяются чище, но без чрезмерного измельчения листов.
Вроде бы индекс Джини выбран потому, что он считается более чувствительным чем частота ошибки классификации.
Наконец то кто-то про индекс Джини знает... Я еще в 18м искал, код для него. https://www.mql5.com/ru/blogs/post/723619
Логит-функция в смысле ln(odds). Нужна для перевода области значений вероятности [0,1] в плюс-минус бесконечность - иначе не получится градиентом обучаться.
Ну да. Используется для логистической регрессии, когда ищется вероятность (логит-функция от неё) принадлежности к классу.
Например, вот текст - https://medium.com/swlh/gradient-boosting-trees-for-classification-a-beginners-guide-596b594a14ea
Вроде автор хочет популярно изложить внутренности бустинга, но взял для этого слишком сложный вариант задачи. У него смешаны логит регрессия, деревья и бустинг, которые сами по себе непросты для понимания. Суть бустинга невозможно изложить логично без функана. Для понимания сути логит регрессии - нужен теорвер (биномиальное распределение наверно).
О!
Наконец то кто-то про индекс Джини знает... Я еще в 18м искал, код для него. https://www.mql5.com/ru/blogs/post/723619
Есть ещё коэффициент Джини. Он тоже используется в МО, но это другое)
Поясните плиз как получается следующая формула в алгоритме классификации на деревьях с бустингом (можно ссылочку на PDF):
Во всех материалах, которые удалось находить в инете, формула просто волшебным образом "берется с потолка".
Откуда Вы взяли формулу? Судя по"с потолка" обычный колхоз, скорее всего советский.
Надо пользоваться профессиональной математикой, для которой имеются хорошо отлаженные алгоритмы.
R имеет огромное количество деревянных моделей, причем отличие профессионального языка R от очень многих других - это обязательные ссылки на авторов алгоритма и соответствующую публикацию. Навскидку не могу вспомнить ни одной более или менее сложной функции из пакетов R, где бы не было соответствующих ссылок.
Забудьте обо всем кроме R. На сегодня это единственная профессиональная среда для статистических расчетов.