文章 "强化学习中的随机决策森林" - 页 4

新评论
 
Maxim Dmitrievsky:

是的，虚拟测试器也在计划中，但现在我们需要完善其他方面，比如自动选择和减少预测器是目前最重要的，这样模型就不会过度依赖历史数据了

别厚颜无耻了，如果你无论如何都要写一个新类，那就用这样的方法吧：

numberOfsamples++;
fuzzyRDFpolisyMatrix.Resize(numberOfsamples,iNeuronEntra+2);
for(int i=0;i<iNeuronEntra;i++)
     fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(i,ValueIndic(fila, i));
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra,action_fuzzy);
fuzzyRDFpolisyMatrix[numberOfsamples-1].Set(iNeuronEntra+1,1-action_fuzzy);

for(int i=0;i<numRDF;i++)
      {
         FileOpen(NameFile+"_"+IntegerToString(i)+".txt",FILE_WRITE|FILE_BIN|FILE_COMMON);
         FileWriteArray(filehnd,RDF[i].m_trees); //树形记录
         FileClose(filehnd);
      }
指标数量和树的数量由变量设定--这将大大简化以后使用不同数量时的工作。这不是最主要的，只是对我的最爱的小小放纵，以便少完成一些，但我一定会试试的。
 
mov:

如果你要编写一个新的类，请使用类似的方法：

指示器的数量和树的数量由变量设置--这使得在使用不同数量时非常容易。这不是最主要的，所以对我的最爱稍作放纵，以便少完成一些，但我一定会努力的。

大约这样做，这部分已经可用

 
我会闭嘴，期待着你的出现。
 

如果不麻烦的话，再问一个问题。

按照无意义的顺序：第一个段落由 1 个森林训练，第二部分段落由 2 个森林训练，等等。您认为这样做有意义吗？

 
mov:

如果不麻烦的话，再问一个问题。

按照无意义的顺序：第一个段落由 1 个森林训练，第二部分段落由 2 个森林训练，等等。在你看来，朝这个方向努力有意义吗？

要做到这一点，你需要了解其工作原理。如果你没有想法，你就只能用手指着天空。

举例来说，如果所有脚手架在训练实例上都拟合过度，而在 OOB 上却不起作用，那我就不明白这有什么意义了，许多坏的解决方案不会给出好的解决方案，除非是偶然的，或者是出现了问题。

 

下午好（晚上好），很抱歉我的打扰，但是关于树森林的话题是你提出来的，没有判断....。

我试着看了一下 AlgLib 中森林的实现。训练函数初始化数组，并将控制权传递给一个实际进行训练的特殊函数。组织实时再训练相对容易，但这种实现方式不会像 CART 树构建算法那样切断分支（据我判断，解析别人的代码是一种乐趣，因为这些代码在算法方面的记录很差）。会有一个重新训练的问题。也就是说，我们对网络进行训练后，在现实生活中会对其进行再训练，就像延长其效率期一样，然后再进行新的优化。实现完全重新训练的可能性需要耗费大量时间，如果将来 MT5 开发人员对此感兴趣的话（他们已经在交付设置中使用了该库）。传统上：这种额外培训在时间上有限制吗？

 
mov:

下午好（晚上好），请原谅我的冒昧，但 "树木之林 "的话题是由您提出来的，请勿评判....

我试着看了一下 AlgLib 中森林的实现。训练函数初始化数组，并将控制权传递给一个实际进行训练的特殊函数。组织实时再训练相对容易，但这种实现方式不会像 CART 树构建算法那样切断分支（据我判断，解析别人的代码是一种乐趣，因为这些代码在算法方面的记录很差）。会有一个重新训练的问题。也就是说，我们对网络进行训练后，在现实生活中会对其进行再训练，就像延长其效率期一样，然后再进行新的优化。实现完全再训练的可能性需要耗费大量时间，如果将来 MT5 开发人员会对此感兴趣（他们已经在交付集中加入了该库）。传统上：这种额外的培训时间有限，是否有任何意义？

剪枝本身就很有趣，但这里没有，是的。脚手架式再培训我不知道这个想法有多大用处，因为完全重新培训他也用不了多长时间。除非计划经常进行重新训练--但事实证明，算法无法长时间工作......这是一条双行道。

 
Maxim Dmitrievsky:

我认为俄文版需要 1-2 周时间，然后他们会进行翻译

亲爱的马克西姆-德米特里耶夫斯基（Maxim Dmitrievsky）、

请问您是否已经发表了下一篇文章，内容是关于您之前提到的使用不同代理、不使用模糊逻辑的 随机决策森林的实现？

非常感谢

 

你好，马克西姆-德米特里耶夫斯基、

您完成下一篇关于随机决策森林的文章有多久了？

还是您已经发表了下一篇文章？如果是，能否提供链接？

非常感谢


 
FxTrader562 :

你好，马克西姆-德米特里耶夫斯基、

您完成下一篇关于随机决策森林的文章有多久了？

还是您已经发表了下一篇文章？如果是，能否提供链接？

非常感谢


嗨，还没准备好。定稿后，我会给您发邮件。

12345678910
新评论