Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3384

[[Удален]]

mytarmailS #:
 Влияние каждого признака, влияние каждого наблюдения и влияние каждого правила, это все разное

Правила - элементы модели, связывающие признаки и метки. Единственное, что у нейросетей нет прерывности, но можно искусственно сделать.

К чему я это.. к тому, что не вижу особого смысла в правилах (многозначительно закурив трубку)

[mytarmailS]

Maxim Dmitrievsky #:
Правила - элементы модели, связывающие признаки и метки. Единственное, что у нейросетей нет прерывности, но можно искусственно сделать.

К чему я это.. к тому, что не вижу особого смысла в правилах (многозначительно закурив трубку)

попробую из под хабаровска..

модель любая это некая сумма паттернов   , утрировано можно паттерн обозначить как ТС.

Прелставим что модель состоит из 100 ТС.

Может быть такое что в модели №1 100 ТС совершыли по одной сделке.

Может быть такое что в модели №2 одна ТС совершила 100 сделок, а остальные 99 не совершали ниодной.

 как посчитать статистику по каждой ТС ?

Если модель из правил, это сделать легко и понятно.

Если модель нейронка?

[[Удален]]

mytarmailS #:

попробую из под хабаровска..

Если модель нейронка?

/\

 !

 !

Вы с Санычем не в одной студии работаете?

Выбираешь примеры, которые хорошо предсказываются НС. Обучаешь только на них другую НС. Повторяешь несколько раз, по вкусу. После нескольких кругов у тебя получится НС с самыми лучшими «правилами».

Тоже легко и я бы не сказал, что непонятно. 

[mytarmailS]

Maxim Dmitrievsky #:

Выбираешь примеры, которые хорошо предсказываются НС. Обучаешь только на них другую НС. Повторяешь несколько раз, по вкусу. После нескольких кругов у тебя получится НС с самыми лучшими «правилами».

Ну получили мы подвыборку на которой нейронка хорошо предсказывает.  Как ты узнаешь это один паттерн в этой подвыборке, два или двадцать? Ты реально не понимаешь разницы? 

[[Удален]]

mytarmailS #:
Ну получили мы подвыборку на которой нейронка хорошо предсказывает.  Как ты узнаешь это один паттерн в этой подвыборке, два или двадцать? Ты реально не понимаешь разницы? 

По количеству примеров оставшихся. Сколько примеров - столько паттернов жеж. Это приближенное правило, не говорю, что такое же как при строгом правиле. Но можно выборку разделять дальше, до полного так сказать разделения на каждый паттерн.

[mytarmailS]

Maxim Dmitrievsky #:
По количеству примеров оставшихся. Сколько примеров - столько паттернов жеж.

Примеров может быть 200 а паттернов всего 5

Пример же не является паттерном, пример это одно наблюдение

[[Удален]]

mytarmailS #:
Примеров может быть 200 а паттернов всего 5

Пример не является же паттерном, пример это одно наблюдение

Если ошибка уже перестала падать или равно нолю, можно разделить оставшиеся примеры на паттерны по какой-нибудь мере близости :) Кластеризация, например. И посчитать чего сколько осталось. И даже написать для каждого паттерна/кластера условие усредненное (взять центроиды кластеров), получится правило на выходе.

[СанСаныч Фоменко]

mytarmailS #:

попробую из под хабаровска..

модель любая это некая сумма паттернов   , утрировано можно паттерн обозначить как ТС.

Прелставим что модель состоит из 100 ТС.

Может быть такое что в модели №1 100 ТС совершыли по одной сделке.

Может быть такое что в модели №2 одна ТС совершила 100 сделок, а остальные 99 не совершали ниодной.

 как посчитать статистику по каждой ТС ?

Если модель из правил, это сделать легко и понятно.

Если модель нейронка?

Проблема не в количестве раз, которое используется модель. 

Проблема в том, что одна и та же модель (дерево?) на одних и тех же данных в одних случаях предсказывает одну метку, а в других другую метку. Именно это и называется ошибкой классификации. Не бывает предикторов, по крайней мере у нас, значения которых можно было бы разделить строго по классам. а все проблемы с листьями, деревьями и прочим являются производными от значений предикторов.

[mytarmailS]

Maxim Dmitrievsky #:
Если ошибка уже перестала падать или равно нолю, можно разделить оставшиеся примеры на паттерны по какой-нибудь мере близости :) Кластеризация, например. И посчитать чего сколько осталось. И даже написать для каждого паттерна/кластера условие усредненное (взять центроиды кластеров), получится правило на выходе.

Это можно, но где гарантия что разбиение произошло правильно,  в соответствии с внутренним разбиением нейронки?

Где гарантия что выбранная мера близости для кластеризации выбрана правильно? 

Итд.. 

Не проще ли разбить деревянную модель и не городить франклинштейна

[[Удален]]

mytarmailS #:
Это можно, но где гарантия что разбиение произошло правильно,  в соответствии с внутренним разбиением нейронки?

Где гарантия что выбранная мера близости для кластеризации выбрана правильно

Ну это уже философский вопрос