交易中的机器学习：理论、模型、实践和算法交易 - 页 1038

[Maxim Dmitrievsky]

罗费尔德。
这与随机森林的 "阈值 "有什么关系呢？

我不记得门槛是什么，一定是你进入交易的门槛，或者像0.75之类的东西（概率一类的东西）。

[Maxim Dmitrievsky]

罗费尔德。
"阈值 "与随机森林有什么关系？

在logit回归的情况下，我可以想象出类的分配概率是多少，在森林的情况下，唉。所以这些都是最有可能的伪概率，它不应该这样。阈值为0.75时，不应该意味着分配到一个类别的概率比0.6时高，例如。

至少我没有看到任何关于它的信息

[Roffild]

而我接受 "概率 "是随机森林 算法的一个重要部分，因为计算所有树的结果的公式是基于它的。

我甚至在设定树的数量时都考虑到了这个 "概率"。

[Aleksey Vyazmikin]

罗费尔德。

而我接受 "概率 "是随机森林算法的一个重要部分，因为计算所有树的结果的公式是建立在这个基础上的。

我甚至在设定树的数量时都考虑到了这个 "概率"。

你是否考虑到有多少叶子占据了样本地？鉴于这种树的每片叶子都有很高的能力概率，实际投票的委员会的规模是多少？

[Roffild]

阿列克谢-维亚兹米 金。

你是否考虑到有多少叶子占据了样品区？鉴于这种树的每片叶子都有很高的能力概率，实际投票的委员会的规模？

最后一个分支负责训练过的样本中至少有25个变体。它是在Spark的参数中设置的。AlgLib中没有这样的参数。

[Aleksey Vyazmikin]

罗费尔德。
最后一个分支负责训练过的样本中至少有25个变体。它是在Spark参数中设置的。AlgLib中没有这样的参数。

也许我没有这样说。

假设我们有100棵树，每棵树的叶子一次（在2个选择的简单情况下）做一个分类，那么我们是否考虑到投票可能涉及到误差幅度非常大的树--例如，49/51，这将大大扭曲平均预测结果。也许我们应该把这种叶子完全从投票中剔除掉？因为缺乏预测能力更多的是说明在处理具体数据时，树叶模型不好。

[СанСаныч Фоменко]

包括Python和R在内的编程语言的新 排名

[Yuriy Asaulenko]

桑桑尼茨-弗门科。
包括python和R在内的编程语言的新 排名

好东西。但你自己对R和Python的结论是牵强的。按照你的标准，它们根本无法比较--这就像温暖和柔软。

[СанСаныч Фоменко]

尤里-阿索连科。
好东西。但你自己对R和Python的结论是牵强的。你 根本无法用你的标准来比较它们--这就像温暖和柔软。

更具体地说？

我在比较语言的参考仪器。

你想怎么做？

[Yuriy Asaulenko]

桑桑尼茨-弗门科。

更具体地说？

我在比较语言的参考仪器。

你想怎么做？

从数量上看，机动车比拖拉机多，但将它们相互比较是无稽之谈。

在帮助方面，两者都很广泛。在模块方面，它们部分地重叠了。

我想，Python在R方面有一个端口，而R对Python也是如此。

如果你有一个复杂的任务，如果你在任何环境和任何语言中工作，你必须从外部移植一些东西。不管你喜不喜欢，你必须有一辆卡车、拖拉机和挖掘机，此外。