Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1255

 
Maksim Dmitrievski :

eğer piyasa az çok istikrarlıysa, trend orada falandır, o zaman bu sefer işe yarar, en azından benim için işe yarar .. peki, kalıplar aynı, neden çalışmıyor

tüm eğitimi tek bir düğmeye basarak ve tahmin edicilerle uğraşmadan basitleştiren tek şey)) böyle bir makinenin eğlenceli olduğu ortaya çıktı, onu insan deliliğinin bir sergisi olarak satabilirsiniz

Şey, en başından beri tahmincilerle oynamadım. Ama tek tuşla denemedim bile. Tek tuşla, aynı optimizasyon dışında, sadece profilde hiçbir şey yapamıyorum. Bunu tek bir düğmeyle nasıl çözeceğiniz bir sırdır.)

[Silindi]  
Yuri Asaulenko :

Şey, en başından beri tahmincilerle oynamadım. Ama tek tuşla denemedim bile. Tek tuşla, aynı optimizasyon dışında, sadece profilde hiçbir şey yapamıyorum. Bunu tek bir düğmeyle nasıl çözeceğiniz bir sırdır.)

montecarl ve test için en iyi hatayı arıyor. örnek, her şey

optimize ediciyi optimize etme
 
Maksim Dmitrievski :

montecarl ve test için en iyi hatayı arıyor. örnek, her şeyi sobsno

Monte Carlo'nun olmadığı yerde.)) Ve en iyi hatayla, her şey o kadar basit değil. Optimallik çok faktörlü ve belirsiz bir şeydir ve optimumun ne olduğu açık olmaktan uzaktır.

[Silindi]  
Yuri Asaulenko :

Monte Carlo'nun olmadığı yerde.)) Ve en iyi hatayla, her şey o kadar basit değil. Optimallik çok faktörlü ve belirsiz bir şeydir ve optimumun ne olduğu açık olmaktan uzaktır.

Pekala, açık, herhangi bir f'inci periyodik alıyorum, bir optimumun olduğu ve sistemin en azından sonsuza kadar kazanacağı açık)

piyasada hiçbir optimum yoktur, yalnızca yereldir

[Silindi]  
 

Ağaçlarla ilgili teori okuyorum.
Budamanın uygunluğunu düşündüm (kırpma).

Aşağıdaki basit kuralı kullanmak mümkündür: bir ağaç oluşturun, hata artışına yol açmayan dalları kesin veya bir alt ağaçla değiştirin.

Bir ağaç inşa ederken, bölünmesi bulunamazsa bir yaprağı bölmemek daha kolay ve daha hızlı olabilir mi, bu da hatayı en azından bir değerle, örneğin% 0.1-0.5 oranında azaltır mı?
Sonuç aynı olmalı, ancak daha hızlı olmalıdır.

Veya modeli %0,0001 oranında iyileştiren birkaç daldan sonra, onu hemen %1-5 oranında iyileştiren bir model olabilir mi?

 
Maksim Dmitrievski :

nerede daha hızlı o zaman? ve çok çok hızlı

ama genel olarak, orada bir insan tasarlamak için kendinizi geliştireceksiniz.

Bayes yöntemleri yavaştır ve büyük numuneler için değildir, ancak farklı çalışırlar ve kutunun dışında yeniden eğitmezler. Her modelin kendine has özellikleri vardır. Artık Bayes bağımlısıyım, yeniden eğitim almadan TS'yi optimize etmek için harika bir güç

Cazip bir olasılık - güncellenebilirler ve yeniden eğitilemezler

200-1000 tahminci ile bir milyon satır gönderirseniz, muhtemelen uzun zaman alacaktır ...
Budama ile - sonuna kadar bir ağaç inşa etmeniz, sonra kesmeniz gerekir.
Ve min. hatayı iyileştirmek, benzer bir sonuçla önemli tasarruflar olacağını düşünüyorum. xgboost'ta parametreye gama adı verilir ve kırpma yok gibi görünüyor. Görünüşe göre geliştiriciler de bunların değiştirilebilir şeyler olduğuna karar verdi.
[Silindi]  
elibrarius :
Pekala, 200-1000 tahminci ile bir milyon dakikalık satır gönderirseniz, muhtemelen uzun bir zaman ...
Ve budama ile - sonuna kadar bir ağaç inşa etmeniz ve sonra kesmeniz gerekir.
Ve min. hatayı iyileştirmek, benzer bir sonuçla önemli tasarruflar olacağını düşünüyorum. xgboost'ta parametreye gama adı verilir ve kırpma yok gibi görünüyor. Görünüşe göre geliştiriciler de bunların değiştirilebilir şeyler olduğuna karar verdi.

Eh, nasıl yapılacağını daha iyi biliyorlar, orada uzman ekipler güçlendirme üzerinde çalıştı, test edildi

katboost normalde hızlı çalışıyor gibi görünüyor, oradaki ağaçlar başlangıçta sığ

forex'te milyonlarca veri... Gerekli olduğundan şüpheliyim

 
Bu arada, ilk bölümün hatayı neredeyse iyileştirmediği ve ikincisinin %100 oranında iyileştirdiği bir durumla karşılaştım.

Her biri 10 puan olan 4 sektör. En azından x ekseni boyunca, en azından y boyunca 1 bölme. Neredeyse hatayı iyileştirmez, yaklaşık %50 kalacaktır. Örneğin, ilk kez ortada dikey olarak bölünmüştür. Ortadaki ikinci yatay bölünme, hatada çok güçlü bir iyileşme (%50'den sıfıra) ile sonuçlanacaktır.
Ancak bu yapay olarak yaratılmış bir durumdur, hayatta bu olmaz.
[Silindi]  
Örnek boyutları asla büyük değildir. N yeterince kesin bir tahmin elde etmek için çok küçükse, daha fazla veri almanız (veya daha fazla varsayım yapmanız) gerekir. Ancak N "yeterince büyük" olduğunda, daha fazla bilgi edinmek için verileri alt bölümlere ayırmaya başlayabilirsiniz (örneğin, bir kamuoyu anketinde, tüm ülke için iyi bir tahmininiz olduğunda, erkekler ve kadınlar, kuzeyliler ve güneyliler arasında tahminde bulunabilirsiniz). , farklı yaş grupları vb.). N asla yeterli değildir çünkü "yeterli" olsaydı, daha fazla veriye ihtiyaç duyacağınız bir sonraki probleme zaten geçmiş olurdunuz.