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.
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».
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?
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 #: 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.
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.
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
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.
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.
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?
попробую из под хабаровска..
Если модель нейронка?
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.
Примеров может быть 200 а паттернов всего 5
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.
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?