文章 "基于暴力算法的 CatBoost 模型高级重采样与选择"
就我所见，它已经在运行 EM 算法了。
也有使用深度神经网络的想法，但仍在研究中。
好的。此外，还在研究一种翻转原始序列的方法--这样就能自动平衡类别。
好的。我们还在研究一种翻转原始系列的方法--这种方法可以自动平衡等级。
作为一种选择，您还可以使用超采样-反采样及其组合。但这并不能带来明显的改进，而 GMM 却可以。此外，聚类越多越好。纯属经验之谈。
这里有一篇关于重采样的好文章，附有示例 https://imbalanced-learn.readthedocs.io/en/stable/index.html。
核 密度估计也比 GMM 差。理论上，深度神经网络应该比 GMM 更好。因为 GMM 不能很好地处理大型特征空间。
- imbalanced-learn.readthedocs.io
这篇文章很有意思。
我的感觉是，通过随机分配和伪样本生成这种棘手的方法，我们只会发现训练期的类似依赖关系在测试中很重要。
测试失败的模型比例是多少？
增加第三个样本会很有趣--让我们从第一个样本中学习，在测试中选择好的结果，并在考试中检查选择结果。
主要的疑问点在于从最新数据中学习，并对旧数据进行测试。这有点类似于展望未来：当前的最新模型吸收了早期模型的一些东西（毕竟市场参与者是有记忆力的），但反过来说，预测未来就更难了。我认为，如果以典型的方式重启算法（在旧数据上训练，在新数据上测试--这更像现实），结果就不会那么好了。
据我所知，对于这种方法来说，这只是一个蛮力时间的问题。
据我所知，对于这种方法来说，这只是一个蛮力时间的问题。
我没有意识到这一点。我可能弄错了，但在设置中，从 2015 年开始，铁定要在最后一年进行训练，在前几年进行测试。
我没意识到这一点。我可能弄错了，但在设置中，从 2015 年开始，铁定要在最后一年进行培训，并在前几年进行测试。
因此，有一种 "蛮力"--其目的是在 2020 年找到那些自 2015 年以来整个时期都有效的模式。从理论上讲，可能还需要更多的蛮力，但目标一定会实现。另外，目前还不清楚这到底是一种模式还是一种拟合，如果连这个问题的假设性答案都没有，就很难决定在 real.... 上安装 TC 的可行性。
因此，有一个超采样--其目的是在 2020 年找到那些在整个时期--自 2015 年以来一直有效的模式。从理论上讲，可能需要更多的蛮力，但目标会实现，另一个问题是，目前还不清楚这是一种模式还是一种拟合，如果连这个问题的假设性答案都没有，就很难决定在 real.... 上安装 TC 的可行性。
这取决于将什么视为规律性，如果是与时间相关的增量顺序，则是增量行为的季节规律性，如果没有约束力，则是具有一定精度自由度的相同增量顺序。
这取决于什么被认为是合适的。如果明知是相同的序列，那么它就是一种拟合，但测试的目的（无论从哪方面看）是检查非相同区域的结果。
在近阶段进行训练的逻辑是合乎逻辑的，但如果我们在历史深处进行测试，结果也是一样的，如果我们在历史深处进行训练，在近阶段进行测试，结果也应该是一样的。
我们只是证实了测试图和训练图中存在规律性的假设。
新文章 基于暴力算法的 CatBoost 模型高级重采样与选择已发布：
本文描述了一种可能的数据转换方法，旨在提高模型的通用性，并讨论了 CatBoost 模型的采样和选择。
上一篇文章中使用的标签的简单随机抽样有一些缺点：
模型1具有残差的自相关，可以将其与某些市场属性的模型过度拟合（例如，与训练数据的波动性相关）进行比较，而其他模式则不考虑在内。模型2具有具有相同方差的残差（平均值），这表明模型覆盖了更多信息或发现了其他依赖性（除了相邻样本的相关性）。
作者：Maxim Dmitrievsky