交易中的机器学习：理论、模型、实践和算法交易 - 页 1711

[Forester]

mytarmailS:

我只是问为什么，我看到你在挣扎，从ketbust的这些树木，有一些问题的输出，拐杖...

我对 "规则归纳 "这个主题有了一些了解，我看到R有很多用于生成规则或规则组合的包。

1）规则容易输出，一行就可以了

2）规则对人来说容易阅读

3）规则生成堆的类型，从琐碎的到遗传的

4) 预测的质量与其他任何东西都是一样的

所以我在想，也许你不应该为这个Ketbust而烦恼。并去买一些更好的东西或其他东西......

这棵树是一个相当大的规则生成器。易于阅读。
森林/灌木丛是树木的集合体=规则。

4）你确定吗？这些背包是否参加过任何MO竞赛？他们是否战胜了提升模型？我可以有一个竞赛结果的链接吗？
请举出一些获奖套餐的例子供参考，最好是用俄语。

[mytarmailS]

elibrarius。
这棵树是一个相当大的规则生成器。易于阅读。
森林/火灾是树木的集合体=规则。

4）你确定吗？这些背包是否参加过任何MO竞赛？他们是否战胜了提升模型？我可以有一个竞赛结果的链接吗？
请举出一些获奖套餐的例子供参考，最好是用俄语。

你不理解我的意思，或者我不理解你，在我看来，你在解释和执行ketbust方面有问题，如果一切都好，那么一切都好 )

4）我写的是 "持平"）......我在相同的数据上与射频进行了比较，差1-3％为差。

[Forester]

mytarmailS:

你不明白我的意思，或者说我不明白你的意思，我以为你在解释和执行ketbust方面有困难，如果一切都好，那么一切都好 )

4）我写的是 "水平"）......我与RF在相同的数据上进行了比较，差异为1-3%。

不了解计算数值的确切算法其实并不妨碍工作。最主要的是，通过50%水平的典型分区，经典概率和catbust概率是一样的。

来自升压的射频在精确度和速度方面都非常落后。特别是如果它是Alglib库中的一个RF。

[mytarmailS]

elibrarius。
不了解计算价值的确切算法其实并不影响工作。最主要的是，通过典型的50%分割，经典概率和catbust概率是一样的。

射频在准确性和速度方面都远远落后于升压。特别是如果它是Alglib库中的一个RF。

我理解...

就准确性而言，它是2-4%。

我用规则来理解这个过程，而不是用合集来预测...

了解过程==一个好的芯片

一个有好的芯片的规则可以击败任何有1000个木头的助推器，这些助推器都是用垃圾训练的。

[Forester]

mytarmailS:

我理解...

就准确性而言，它是2-4%。

我用规则来理解这个过程，而不是用合集来预测...

了解过程==一个好的芯片

一条有好的芯片的规则可以击败任何有1000根木头的训练有素的垃圾的提升。

一棵树也会找到一个好的功能。

[mytarmailS]

elibrarius。
一个好的小说和一棵树会找到它。

仔细阅读。

mytarmailS:

我理解...

就准确性而言，它是2-4%。

我用规则来理解这个过程，而不是用合集来预测...

了解过程==一个好的芯片。

一个有好的芯片的规则可以击败任何有1000个木材训练的垃圾的提升。

[Forester]

mytarmailS:

仔细阅读

一棵树很容易阅读和理解。
而且了解树的过程也很容易。

[mytarmailS]

elibrarius。
一棵树很容易阅读和理解。

是的，好吧，谁说不是呢？

[Forester]

mytarmailS:

嗯，是的，谁说不是呢？

没有人)
我明白这棵树，我不明白计算概率的算法。但这并不妨碍我在树上工作)

[mytarmailS]

elibrarius。
没有人)
我明白这棵树，我不明白计算概率的算法。但这并不妨碍我在树上工作)

好吧，所以我只是认为你对凯特布斯特不适应。