Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3386

[mytarmailS]

Aleksey Vyazmikin #:

1. Гуглите  qr разложение матрицы, это не то что можно в двух словах рассказать 

2. Этим вашим методом можно удалить в лучшем случаи треть лишних признаков

[mytarmailS]

Maxim Dmitrievsky #:

Я там по козулу основные тезисы набросал, кому сложно читать книжки на англ. Ну и пример на питоне, как это работает лучше всего, по моей версии. Ннада статью?

Давай 

[[Удален]]

mytarmailS #:
Давай 

сейчас еще одну книжку дочитаю, чтобы теории добавить

ибо там сказано, что нет ничего практичнее, чем хорошая теория

[Aleksey Vyazmikin]

mytarmailS #:

1. Гуглите  qr разложение матрицы, это не то что можно в двух словах рассказать 

2. Этим вашим методом можно удалить в лучшем случаи треть лишних признаков

1. Я не спрашиваю про разложение, а спрашиваю откуда матрица взялась.

2. Похоже на голословное утверждение. На мой взгляд, моим методом можно удалить больше, чем нужно.

[mytarmailS]

Aleksey Vyazmikin #:

1. Я не спрашиваю про разложение, а спрашиваю откуда матрица взялась.

2. Похоже на голословное утверждение. На мой взгляд, моим методом можно удалить больше, чем нужно.

1 матрица с признаками

2 мы говорим про линейно зависимые признаки или обо всем подряд? 

[Aleksey Vyazmikin]

mytarmailS #:
1 матрица с признаками

2 мы говорим про линейно зависимые признаки или обо всем подряд? 

1. Как получается эта матрица? Что за цифры там?

2. Я говорю про правила\листья. Мне не важно в моём подходе как и из чего получилось правило, но если отклик схож с другим на выборке обучения, то дополнительной информации оно не несёт.

[[Удален]]

Почему большое кол-во признаков - зло? Интересный график из книги по козулу.

Вероятность найти такой же пример в обучающей выборке, в зависимости от кол-ва признаков.

Если у вас больше 14 (и даже 10) признаков, то получится очень много правил, которые вы уже не сможете редуцировать без потерь.

[Aleksey Vyazmikin]

Maxim Dmitrievsky #:

Почему большое кол-во признаков - зло? Интересный график из книги по козулу.

Вероятность найти такой же пример в обучающей выборке, в зависимости от кол-ва признаков.

Ничего не ясно. Вероятность найти где такой же пример, как в обучающей выборке?

[[Удален]]

Aleksey Vyazmikin #:

Ничего не ясно. Вероятность найти где такой же пример, как в обучающей выборке?

такую же строку в датасете

если у вас 1000 строк всего

Грубо говоря, если у вас 18+ признаков, вы обучаете классификатор запоминать каждую строку, потому что они даже не повторяются

а в причинном выводе вы не можете сопоставить примеры, чтобы посчитать статистики

[mytarmailS]

Aleksey Vyazmikin #:

1. Как получается эта матрица? Что за цифры там?

2. Я говорю про правила\листья. Мне не важно в моём подходе как и из чего получилось правило, но если отклик схож с другим на выборке обучения, то дополнительной информации оно не несёт.

1. Любые значения признаков

2. Я вас удивлю,  всем неважно как создавались признаки,  все оценивают признаки только по отклику