Так это только небольшая часть из R, что на случайных лесах работают, Boruta кажется и для Python есть.
А лучше ИМХО, те что больше вариаций, но меньше заморочек для пользователя, а самое лучшее на полном автомате, анализировать модель и перебирать все подходящие)
Так это только небольшая часть из R, что на случайных лесах работают, Boruta кажется и для Python есть.
А лучше ИМХО, те что больше вариаций, но меньше заморочек для пользователя, а самое лучшее на полном автомате, анализировать модель и перебирать все подходящие)
да думал переписать что-нибудь из фичаимортанса для лесов для МТ5, чтоб под рукой было
все что-то пока никак не доберусь
пофиг вообще на всю эту кучу всякой фигни из Р, там за жизнь не изучишь.. :) а тем более не используешь все
да думал переписать что-нибудь из фичаимортанса для лесов для МТ5, чтоб под рукой было
все что-то пока никак не доберусь
пофиг вообще на всю эту кучу всякой фигни из Р, там за жизнь не изучишь.. :) а тем более не используешь все
если самому писать, то однозначно с классического фичимпортанса Бреймана начинать - переставляешь поочередно фьючи в тренировочном наборе и вычислять их значимость по изиенению MSE в OOB или индекса Gini в расщеплениях деревьев.
по идее это должно работать для временных рядов, так можно удалять необходимое к-во менее значимых элементов и приводить разные по протяженности паттерны к одной размерности.
Random forests or random decision forests[1][2] are an ensemble learning method for classification, regression and other tasks, that operate by constructing a multitude of decision trees at training time and outputting the class that is the mode of the classes (classification) or mean prediction (regression) of the individual trees. Random...
если самому писать, то однозначно с классического фичимпортанса Бреймана начинать - переставляешь поочередно фьючи в тренировочном наборе и вычислять их значимость по изиенению MSE в OOB или индекса Gini в расщеплениях деревьев.
по идее это должно работать для временных рядов, так можно удалять необходимое к-во менее значимых элементов и приводить разные по протяженности паттерны к одной размерности.
Да, Gini для начала хочу
да и вообще леса проще в использовании, той же оптимизации
elibrarius: По моему цена растет медленнее, чем падает. Т.е. разные картинки-образы для запоминания будут. Но попробовать и сравнить наверное не долго.
на форексе одинаово :) там же 2 валюты
мне вот интересно не получится ли там взаимоисключающих примеров.. по сути не должно быть много
мне вот интересно не получится ли там взаимоисключающих примеров.. по сути не должно быть много
Так это и нормально. Пусть N -класс 1, и M - класс 2, и пусть класы пересекаются, что, имхо, и должно быть.
Тогда вероятности Pn =n/N и Pm=m/M. Если вероятнотсь>0,5 то ДМ сама с этим справится. Пересечение по опыту где-то на уровне 20-40%, т.е., лт 20 до 40% сделок будут неправильными.
Так это и нормально. Пусть N -класс 1, и M - класс 2, и пусть класы пересекаются, что, имхо, и должно быть.
Тогда вероятности Pn =n/N и Pm=m/M. Если вероятнотсь>0,5 то ДМ сама с этим справится. Пересечение по опыту где-то на уровне 20-40%, т.е., лт 20 до 40% сделок будут неправильными.
ну по сути да, маслом кашу не испортишь, и переобучения меньше. И в таких, казалось бы, мелочах, может и крыться залог эффективности
только у меня не классы а регрессия
а еще можно немного трансформировать исходный ряд (аффинно, например) и его приращения тоже впихнуть (я так понимаю, монте-карло примерно для этого и нужен?)
короче мне уже нравится что я делаю, осталось 3 недели до моего финиша с НС :)) либо грааль либо ну их нафиг. Делайте ставки :))
Есть 2 типа на выбор -
1=mean decrease in accuracy (наверное это и есть mda, сходится по первым буквам)
2=mean decrease in node impurity
а есть и спец пакеты VSURF, VarSelRF, Boruta.
а есть и спец пакеты VSURF, VarSelRF, Boruta.
а какой лучше? )
а какой лучше? )
Так это только небольшая часть из R, что на случайных лесах работают, Boruta кажется и для Python есть.
А лучше ИМХО, те что больше вариаций, но меньше заморочек для пользователя, а самое лучшее на полном автомате, анализировать модель и перебирать все подходящие)
Так это только небольшая часть из R, что на случайных лесах работают, Boruta кажется и для Python есть.
А лучше ИМХО, те что больше вариаций, но меньше заморочек для пользователя, а самое лучшее на полном автомате, анализировать модель и перебирать все подходящие)
да думал переписать что-нибудь из фичаимортанса для лесов для МТ5, чтоб под рукой было
все что-то пока никак не доберусь
пофиг вообще на всю эту кучу всякой фигни из Р, там за жизнь не изучишь.. :) а тем более не используешь вседа думал переписать что-нибудь из фичаимортанса для лесов для МТ5, чтоб под рукой было
все что-то пока никак не доберусь
пофиг вообще на всю эту кучу всякой фигни из Р, там за жизнь не изучишь.. :) а тем более не используешь всеесли самому писать, то однозначно с классического фичимпортанса Бреймана начинать - переставляешь поочередно фьючи в тренировочном наборе и вычислять их значимость по изиенению MSE в OOB или индекса Gini в расщеплениях деревьев.
по идее это должно работать для временных рядов, так можно удалять необходимое к-во менее значимых элементов и приводить разные по протяженности паттерны к одной размерности.если самому писать, то однозначно с классического фичимпортанса Бреймана начинать - переставляешь поочередно фьючи в тренировочном наборе и вычислять их значимость по изиенению MSE в OOB или индекса Gini в расщеплениях деревьев.
по идее это должно работать для временных рядов, так можно удалять необходимое к-во менее значимых элементов и приводить разные по протяженности паттерны к одной размерности.Да, Gini для начала хочу
да и вообще леса проще в использовании, той же оптимизации
По моему цена растет медленнее, чем падает. Т.е. разные картинки-образы для запоминания будут. Но попробовать и сравнить наверное не долго.
на форексе одинаово :) там же 2 валюты
мне вот интересно не получится ли там взаимоисключающих примеров.. по сути не должно быть много
на форексе одинаово :) там же 2 валюты
мне вот интересно не получится ли там взаимоисключающих примеров.. по сути не должно быть много
Так это и нормально. Пусть N -класс 1, и M - класс 2, и пусть класы пересекаются, что, имхо, и должно быть.
Тогда вероятности Pn =n/N и Pm=m/M. Если вероятнотсь>0,5 то ДМ сама с этим справится. Пересечение по опыту где-то на уровне 20-40%, т.е., лт 20 до 40% сделок будут неправильными.
Так это и нормально. Пусть N -класс 1, и M - класс 2, и пусть класы пересекаются, что, имхо, и должно быть.
Тогда вероятности Pn =n/N и Pm=m/M. Если вероятнотсь>0,5 то ДМ сама с этим справится. Пересечение по опыту где-то на уровне 20-40%, т.е., лт 20 до 40% сделок будут неправильными.
ну по сути да, маслом кашу не испортишь, и переобучения меньше. И в таких, казалось бы, мелочах, может и крыться залог эффективности
только у меня не классы а регрессия
а еще можно немного трансформировать исходный ряд (аффинно, например) и его приращения тоже впихнуть (я так понимаю, монте-карло примерно для этого и нужен?)
короче мне уже нравится что я делаю, осталось 3 недели до моего финиша с НС :)) либо грааль либо ну их нафиг. Делайте ставки :))