Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3561
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
может от сложного к простому?
А что округление нельзя применять к любым задачам?
Можно еще проще: разбить на бины результаты самой decision function (аутпуты модели/вероятности).
И применить threshold tuning/discretisation; например так делают в cost-sensitive learning’е.
Перед этим желательно сделать еще и калибровку.
Там и определения нормальные, не курильщика :)
Если меня забанят, я сделаю свой форум и буду там писать о МО :) это даже лучше
порномобиль продал хоть?
знаешь чем ты нравишься мне тут, у меня есть один в один знакомый, вы точно двойники
купил крайне редкую тойоту недавно))))
порномобиль продал хоть?
знаешь чем ты нравишься мне тут, у меня есть один в один знакомый, вы точно двойники
купил крайне редкую тойоту недавно))))
значит всё-таки купил LC500? ))) балбес.
вааааа, налог космический
значит всё-таки купил LC500? ))) балбес.
Нет, это для хозяев жизни, в личную коллекцию
Даже не знаю что с тобой тут можно сделать)
Там и определения нормальные, не курильщика :)
Что значит эта фраза, при чём тут люди вредящие себе?
Что значит эта фраза, при чём тут люди вредящие себе?
Это крылатая фраза, когда в голову приходят всякие интересные мысли после накура.
Например, один съездил в Перу, принял там сок лианы и вспомнил, что был в прошлой жизни Тутанхамоном.Ответы Яндекс Алиса (Chat GPT)
Что такое adasyn
ADASYN (Adaptive Synthetic) — это метод обработки данных, который используется для устранения дисбаланса в классах при обучении моделей машинного обучения. Он работает аналогично методу SMOTE (Synthetic Minority Over-sampling Technique), но учитывает сложность классификации каждого образца из класса меньшинства. ADASYN генерирует больше синтетических данных для образцов, которые считаются более сложными для классификации, что помогает улучшить качество и точность модели.
Как использовать генерация синтетических данных ADASYN
Генерация синтетических данных с использованием ADASYN включает следующие шаги:
1. Импортируйте необходимые библиотеки и данные.
2. Определите функцию оценки сложности для каждого образца из класса меньшинства.
3. Создайте новый массив, содержащий веса для каждого образца из класса меньшинства.
4. Используйте функцию оценки сложности для расчёта весов.
5. Создайте новые синтетические данные, используя линейную интерполяцию между выбранными образцами и их случайно выбранными ближайшими соседями из класса меньшинства.
6. Добавьте синтетические данные к исходному набору данных.
7. Обучите модель машинного обучения на обновлённом наборе данных.
что такое функция оценки сложности для каждого образца из класса меньшинства в adasyn
Функция оценки сложности для каждого образца из класса меньшинства в ADASYN определяет, насколько сложно его классифицировать. 1
Это обычно делается путём измерения количества образцов из доминирующего класса в его ближайшем окружении (например, среди K ближайших соседей). 1
На основе оценки сложности, каждому образцу из меньшинства классов присваивается вес, отражающий его важность в процессе генерации новых данных. ADASYN генерирует больше синтетических данных для тех образцов, которые считаются более сложными для классификации. 1
Ключевой идеей алгоритма ADASYN является использование плотности распределения в качестве критерия для автоматического принятия решения о необходимом количестве для каждого элемента миноритарного подмножества. Это компенсирует неравномерное распределение (несбалансированность) данных.