Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2626

 
Maxim Dmitrievsky # :
Evet, işe yarayıp yaramadığını bana göster, o zaman yönteme göre sonuçlarımı atacağım, bitirmek için zaman yoktu
Geliştirme aşamasında, kodu optimize ederken bilgisayar kaynakları üzerinde çok maliyetli bir süreç
 
 

Kayar Pencerede Özelliklerin Önemi (Göstergeler ve Fiyatlar)

Bir noktada, bir işaret %10, başka bir an %0,05 önemli olabilir, hayatın gerçeği bu)

Çapraz doğrulama için burada boğulan, bir şeye karar verdiğini düşünerek, kızarmanın zamanı geldi, zamanı geldi..


Fisher's Iris'in 4 belirtisi böyle görünüyor


Peki ya da sürgülü pencereyi arttırırsanız


 
mytarmailS # :

Kayar Pencerede Özelliklerin Önemi (Göstergeler ve Fiyatlar)

Bir noktada, bir işaret %10, başka bir an %0,05 önemli olabilir, hayatın gerçeği bu)

Çapraz doğrulama için burada boğulan, bir şeye karar verdiğini düşünerek, kızarmanın zamanı geldi, zamanı geldi..


Fisher's Iris'in 4 belirtisi böyle görünüyor


Peki ya da sürgülü pencereyi arttırırsanız


Süsenlerin (ve benzeri bulmacaların) sabit bir desene sahip olduğu zaten açıktır. Ve her şeyin tırnak içinde "yüzdüğünü" - onlarla deneyen herkes zaten öğrendi.

Grafiğin her noktasında özelliklerin öneminin nasıl farklı olduğunu merak ediyorum? Ayrıca tüm eğitim hatlarında oluşturulan modelin tamamı için anında belirlenir. Yoksa orada 5000 model var mı?
Ve genel olarak, grafiklerinizi, üzerlerinde ne olduğunu ve nasıl oluşturulduklarını açıklayın.


 
elibrarius # :

Süsenlerin (ve benzeri bulmacaların) sabit bir desene sahip olduğu zaten açıktır. Ve her şeyin tırnak içinde "yüzdüğünü" - onlarla deneyen herkes zaten öğrendi.

Grafiğin her noktasında özelliklerin öneminin nasıl farklı olduğunu merak ediyorum? Ayrıca tüm eğitim hatlarında oluşturulan modelin tamamı için anında belirlenir. Yoksa orada 5000 model var mı?
Ve genel olarak, grafiklerinizi, üzerlerinde ne olduğunu ve nasıl oluşturulduklarını açıklayın.


Özelliklerin bilgi içeriğini bulmanın birçok yolu vardır, bazıları için modeli eğitmek gerekli değildir. fselector kullandım. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Özelliklerin entropisini dikkate alır..

Neden her noktada önem farklıdır? Evet çünkü işaretlerin bilgi içeriği yukarıda yazdığım gibi kayan bir pencerede düşünülmüş.
 
mytarmailS # :
Özelliklerin bilgi içeriğini bulmanın birçok yolu vardır, bazıları için modeli eğitmek gerekli değildir. fselector kullandım. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Özelliklerin entropisini dikkate alır..

Neden her noktada önem farklıdır? Evet, çünkü yukarıda yazdığım gibi işaretlerin bilgi içeriği kayan bir pencerede düşünüldü.
Bu nedenle önemin atlamadığı dönemlere bakmak gerekir, 2 model ile mümkündür. Aksi takdirde, yulaf lapası.

Pencerede online eğitim yaptım, zamana göre filtrelemeden her zaman alırsanız, performans zayıftır. Filtreleme ile yapmayı düşünmedim. Entropi hakkındaki makalemde bunun gibi bir bot örneği

Büyük olasılıkla, geri dönüşler gibi özellikler varsa, önemdeki sıçramalar entropideki bir değişiklikle ilişkilidir.
Ancak tüm kapı kapılarının taraftarları, uygulamaya dayalı olmayan kendi gerçekliğine sahiptir.
 
Maxim Dmitrievsky # :

Ancak tüm kapı kapılarının taraftarları, uygulamaya dayalı olmayan kendi gerçekliğine sahiptir.
Bu ne?


Bence bir model aramamız gerekiyor, bunun için zaten bir model oluşturabiliriz, çoğu zaman Savunma Bakanlığı net bir model için bir model bile kuramaz, her şey elle yapılmalı
 
mytarmailS # :
Bu ne?


Bence bir model aramamız gerekiyor, bunun için zaten bir model oluşturabiliriz, çoğu zaman Savunma Bakanlığı net bir model için bir model bile kuramaz, her şey elle yapılmalı

Eh, her türlü değişikliğin tekrarlayan ağları, bir tane vardı

hemen modelin içinden ve doğal olarak nerede davrandığına bakın bir model var :)

Oldukça basitse: eğitin, testi kontrol edin, döküldüğü ve çalıştığı dönemleri vurgulayın, sonuçlar çıkarın / filtrelemeye çalışın, bir model belirleyin

İstatistikleri MO'dan ayıramazsınız, istatistikleri modellere göre kullanmanız gerekir, rastgele eğitilirler

Tehdit kalıp biliniyorsa, MO artık gerekli değildir
 
Maxim Dmitrievsky # :
hemen modelin içinden ve doğal olarak nerede davrandığına bakın bir model var :)

Oldukça basitse: eğitin, testi kontrol edin, döküldüğü ve çalıştığı dönemleri vurgulayın, sonuçlar çıkarın / filtrelemeye çalışın, bir model belirleyin

Evet, Princepe'de bu şekilde yapabilirsiniz, daha da iyi, bu sıralamada otomatik olarak yapabilirsiniz.

Maksim Dmitrievski # :


Oldukça basitse: eğitin, testi kontrol edin, döküldüğü ve çalıştığı dönemleri vurgulayın, sonuçlar çıkarın / filtrelemeye çalışın, bir model belirleyin

ya da lila olmamak için))

Maksim Dmitrievski # :


İstatistikleri MO'dan ayıramazsınız, istatistikleri modellere göre kullanmanız gerekir, rastgele eğitilirler

Bana gelince, karmaşık modeller yapmak gerekli değil, olağan kural yeterlidir, aksi takdirde bulunan bir kalıp olarak adlandırılamaz, nedenini daha önce açıkladım ..

Maksim Dmitrievski # :


Tehdit kalıp biliniyorsa, MO artık gerekli değildir

her zaman daha iyisini ister

 
mytarmailS # :
Özelliklerin bilgi içeriğini bulmanın birçok yolu vardır, bazıları için modeli eğitmek gerekli değildir. fselector kullandım. https://www.r-bloggers.com/2016/06/venn-diagram-comparison-of-boruta-fselectorrcpp-and-glmnet-algorithms/
Özelliklerin entropisini hesaplar..

Neden her noktada önem farklıdır? Evet, çünkü yukarıda yazdığım gibi işaretlerin bilgi içeriği kayan bir pencerede düşünüldü.
Özelliklerin önemini değerlendirmek için çeşitli yollar karşılaştırıldı . Standart için, kaynak açısından en yoğun olanı seçtim: özellikleri birer birer kaldırarak modeli eğitmek.
Hızlı yöntemler standarda uymuyor. Ve eşleşmiyorlar. fselector bence daha da hızlı ve hiçbir şeyle eşleşmeyecek.
Сравнение разных методов оценки важности предикторов.
Сравнение разных методов оценки важности предикторов.
  • www.mql5.com
Провел сравнение разных методов оценки важности предикторов. Тесты проводил на данных титаника (36 фичей и 891 строки) при помощи случайного леса из 100 деревьев. Распечатка с результатами ниже. За