文章 "基于暴力算法的 CatBoost 模型高级重采样与选择" - 页 7 123456789101112131415 新评论 Evgeni Gavrilovi 2020.11.24 16:03 #61 Maxim Dmitrievsky 在该笔记本中，只有以下代码块出现错误 pr = get_prices(look_back=LOOK_BACK) pr = add_labels(pr, 10, 25) rep = tester(pr, MARKUP) plt.plot(rep) plt.show() ValueError：无法设置没有定义索引的帧，且值无法转换为序列 原因可能是什么？ Maxim Dmitrievsky 2020.11.24 16:09 #62 Evgeni Gavrilovi:在该笔记本中，只有这个代码块出现错误pr = get_prices(look_back=LOOK_BACK)pr = add_labels(pr, 10, 25)rep = tester(pr, MARKUP)plt.plot(rep)plt.show()ValueError：无法设置没有定义索引的帧，且值无法转换为序列 原因可能是什么？ 数据帧为空 检查是否收到引号 Maxim Dmitrievsky 2020.11.24 16:11 #63 elibrarius: 你试试看不会太久的在实验中测试一下不是很有趣吗？布莱曼在他的随机森林里没做过 太慢了我晚点再试 Aleksei Kuznetsov 2020.11.24 16:12 #64 Maxim Dmitrievsky:太慢了。我稍后再试。 结果会很有趣的我觉得我们可以把考试分成两半 一半是测验 一半是考试或者再加几年 Evgeni Gavrilovi 2020.11.24 16:19 #65 Maxim Dmitrievsky:数据帧为空检查是否收到报价 没错，我没有注意到经纪商在欧元货币对EURUSDm 的末尾有一个 "m"。 Maxim Dmitrievsky 2020.11.24 16:25 #66 elibrarius: 看看结果会很有趣。我认为我们可以把考试分成两半，一半是测验，一半是考试。或者再加几年 我以前做过类似的事，一杯木头。其实也没起多大作用 我怀疑这次也一样但我稍后会检查一下。 Valeriy Yastremskiy 2020.11.24 17:05 #67 Maxim Dmitrievsky:我以前也做过类似的事情，一杯木头。事实上，它并没有带来任何美妙的东西。我怀疑这次也一样。但我稍后会检查一下。 我同意，在森林里，最初的平均结果是最好的。但检查一下也无妨） Aleksei Kuznetsov 2020.11.24 18:20 #68 Valeriy Yastremskiy:我同意，在森林里最初平均效果最好 。但检查一下也无妨） 不，是全部。 之所以叫随机森林，是因为所有随机树都是相加的。 最好的结果不叫随机森林，而叫最佳森林。))) Valeriy Yastremskiy 2020.11.24 18:55 #69 elibrarius:不，是全部。之所以叫随机森林，是因为所有的随机树加在一起。 最好的就叫最好的森林，而不是随机森林。))) 显然，我们对随机提升的理解不同。果断树，是从随机集合中选择特征。问题的关键在于，集是随机的，但选择/聚类成好的坏的集原本就存在。这就好比扔针、量角和计算 Pi 数）。 来自维基。 让我们建立一棵决策树，对给定子样本中的样本进行分类，在创建决策树 的下一个节点时，我们将选择一组特征，在此基础上进行分区（不是从所有M 个 特征 中，而是只从 随机 选择的m 个 特征 中）。从这m 个 特征 中选择最佳 特征 的方法各不相同。最初的 Breiman 代码使用基尼标准，该标准也用于CART 决定树算法。该算法的一些实现方法则使用信息增益标准。[3] Maxim Dmitrievsky 2020.11.24 19:01 #70 Valeriy Yastremskiy:显然，我们对随机比对有不同的理解。果断树，是从随机集合中挑选出的特征。关键在于，集合是随机的，但选择/聚类成好的坏的集合原本就存在。这就好比扔针、量角和计算圆周率）。来自维基 让我们建立一棵决策树，对给定子样本中的样本进行分类，在创建决策树 的下一个节点时，我们将选择一组特征，在此基础上进行分区（不是从所有M 个 特征 中，而是只从 随机 选择的m 个 特征 中）。从这m 个 特征 中选择最佳 特征 的方法各不相同。最初的布雷曼代码使用基尼准则，该准则 也用于CART 决定树算法。该算法的一些实现方法则使用信息增益标准。[3] 是的，有很多棵树，但每棵树都在试图对不同的特征进行最佳学习。这与组合多个森林（包括坏森林）不同 123456789101112131415 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
在该笔记本中，只有以下代码块出现错误
pr = get_prices(look_back=LOOK_BACK)
pr = add_labels(pr, 10, 25)
rep = tester(pr, MARKUP)
plt.plot(rep)
plt.show()
ValueError：无法设置没有定义索引的帧，且值无法转换为序列
原因可能是什么？
在该笔记本中，只有这个代码块出现错误
pr = get_prices(look_back=LOOK_BACK)
pr = add_labels(pr, 10, 25)
rep = tester(pr, MARKUP)
plt.plot(rep)
plt.show()
ValueError：无法设置没有定义索引的帧，且值无法转换为序列
原因可能是什么？
数据帧为空
检查是否收到引号
你试试看不会太久的在实验中测试一下不是很有趣吗？布莱曼在他的随机森林里没做过
太慢了我晚点再试
太慢了。我稍后再试。
数据帧为空
检查是否收到报价
没错，我没有注意到经纪商在欧元货币对EURUSDm 的末尾有一个 "m"。
看看结果会很有趣。我认为我们可以把考试分成两半，一半是测验，一半是考试。或者再加几年
我以前做过类似的事，一杯木头。其实也没起多大作用
我怀疑这次也一样但我稍后会检查一下。
我以前也做过类似的事情，一杯木头。事实上，它并没有带来任何美妙的东西。
我怀疑这次也一样。但我稍后会检查一下。
我同意，在森林里，最初的平均结果是最好的。但检查一下也无妨）
我同意，在森林里最初平均效果最好 。但检查一下也无妨）
不，是全部。
之所以叫随机森林，是因为所有随机树都是相加的。
最好的结果不叫随机森林，而叫最佳森林。)))
不，是全部。
之所以叫随机森林，是因为所有的随机树加在一起。
最好的就叫最好的森林，而不是随机森林。)))
显然，我们对随机提升的理解不同。果断树，是从随机集合中选择特征。问题的关键在于，集是随机的，但选择/聚类成好的坏的集原本就存在。这就好比扔针、量角和计算 Pi 数）。
来自维基。
显然，我们对随机比对有不同的理解。果断树，是从随机集合中挑选出的特征。关键在于，集合是随机的，但选择/聚类成好的坏的集合原本就存在。这就好比扔针、量角和计算圆周率）。
来自维基
是的，有很多棵树，但每棵树都在试图对不同的特征进行最佳学习。这与组合多个森林（包括坏森林）不同