Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3353
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
Как вы поняли, что классификатор дает правильные вероятности? А не просто значения в диапазоне. Вы читаете, что вам пишут?
Очень много раз проверял. Это база для ТС.
Еще раз, если это не так, то переобучена.
То, что получаете на выходе моделей, не является вероятностями классов. Аналогия - регрессия, которая отдает одно значение. Классификатор работает по тому же принципу, он отдает значение (raw value), пропущенное через сигмоиду, а не вероятность.
Пропуская через сигмоиду получаем класс, а не вероятность класса.
Пропуская через сигмоиду получаем класс, а не вероятность класса.
Очень много раз проверял. Это база для ТС.
Еще раз, если это не так, то переобучена.
Вы вопросом на вопрос отвечать будете? Я знаю однозначный ответ, если что.
То, что получаете на выходе моделей, не является вероятностями классов. Аналогия - регрессия, которая отдает одно значение. Классификатор работает по тому же принципу, он отдает значение (raw value), пропущенное через сигмоиду, а не вероятность.
А знаете, как получается значение в листьях моделей CB, воспроизвести можете?
Суть в том, что вероятности по истории оцениваются, но гарантий что и дальше таковыми они будут, может дать только теория при репрезентативной выборке. У нас такой выборки нет. Поэтому любые подгонки в этом направлении точность не дадут на новых данных. Коррекция может быть актуально по той причине, что в листья попал мусор, и именно это надо скорректировать, завысив или занизив точку классификации по сигмойде.
Или опять же не ясно, о чём речь.
Если нашли чего то умное, поделитесь :)
А знаете, как получается значение в листьях моделей CB, воспроизвести можете?
Суть в том, что вероятности по истории оцениваются, но гарантий что и дальше таковыми они будут, может дать только теория при репрезентативной выборке. У нас такой выборки нет. Поэтому любые подгонки в этом направлении точность не дадут на новых данных. Коррекция может быть актуально по той причине, что в листья попал мусор, и именно это надо скорректировать, зависим или занизив точку классификации по сигмойде.
Или опять же не ясно, о чём речь.
Если нашли чего то умное, поделитесь :)
Я надеялся, что кто-нибудь хотя бы загуглит по наводке.
Как-то не обращаете внимания на мои посты, сосредоточившись на вероятностях. Не важно как называется вероятность, важно, что если не улучшается, то модель переобучена, в корзину. Ошибка предсказания на ООВ, ООС и ВНЕ должна быть примерно одинакова.
Вот еще гистограмма
Другой алгоритм - другая гистограмма, хотя метки и предикторы одинаковы. Если Вы ищите некий теоретические вероятности, подразумевая, что разные алгоритмы классификации будут давать одинаковые гистограммы ... мне это в голову не приходит, так как приходится работать с конкретными алгоритмами и они будут предсказывать и их надо оценивать, а не какой-то теоретический идеал. Здесь главная оценка - это переобучение модели, а не близость вероятностей к некоему теоретическому идеалу.
Как-то не обращаете внимания на мои посты, сосредоточившись на вероятностях. Не важно как называется вероятность, важно, что если не улучшается, то модель переобучена, в корзину. Ошибка предсказания на ООВ, ООС и ВНЕ должна быть примерно одинакова.
Модель из коробки не отдает корректные вероятности, любая. Об этом сказ. У вас предсказанные метки могут полностью совпасть, а вероятности - нет.
Добавил свой пост. Любая модель дает корректные вероятности в том смысле, что ошибка классификации не будет колебаться.