Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3387
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
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.
Это все в рамках казуала..
там используются эффективные алгоритмы сжатия внутри нейронки, по типу sec2sec, поэтому тоже справедливо
там используются эффективные алгоритмы сжатия внутри нейронки, по типу sec2sec, поэтому тоже справедливо
Если мы про текст то Там используется в 95% случаев обычный счётчик слов типа - сколько раз слово встречалось в данном наблюдении? 0, 1, 103..
Это другие архитектуры, слоеные пироги. Сложно сравнивать. Говорим про обычную классификацию или регрессию. В этом случае это выглядит как универсальный закон.
Это другие архитектуры, слоеные пироги. Сложно сравнивать. Говорим про обычную классификацию или регрессию. В этом случае это выглядит как универсальный закон.
----------------------------------------------------------------------
О Вспомнил, это называеться bag of words.
что тут нового, незнакомого, непонятного, сложного ?
Та же таблица признаков + любой МО
Вот это работа с неструктурироваными данными (текст) потом переводим в структуру bag of words и дальше что угодно
Да все оно одно то же..
----------------------------------------------------------------------
О Вспомнил, это называеться bag of words.
что тут нового, незнакомого, непонятного, сложного ?
Та же таблица признаков + любой МО
Вот это работа с неструктурироваными данными (текст) потом переводим в структуру bag of words и дальше что угодно
Это из другой оперы. Как их не трансформируй, размерность входного вектора должна быть ниже указанного порога, иначе не определишь закономерность. У категориалтных, наверное, лимит на длину вектора больше. Плюс зависимость от количества строк учитывай. На огромных данных кол-во признаков может быть больше.
Да какая другая))
Ну делай как весь мир. Такие ответы и получишь.
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?
Нннада)))