交易中的机器学习：理论、模型、实践和算法交易 - 页 2107

[Aleksey Vyazmikin]

elibrarius:
这就是它应该有的样子。按NS级进行平衡是必要的。树木可以管理，因为它是。

嗯，他们并不总是这样--我以前写过。

[Aleksey Vyazmikin]

看来我在文章中烧毁了一个有利可图的专家顾问（培训方法）。

图中显示了每个月末模型的财务结果，如果你对第一个模型进行12个月的训练，然后把每个新月份的历史加入到模型中--粘上USDRUB_TOM的期货Si 合约。

[Forester]

Aleksey Vyazmikin:

嗯，他们并不总是能应付 - 我以前写过。

我认为增加树木的深度会和平衡一样有帮助。

[Forester]

Aleksey Vyazmikin:

是的，本质上是给预测指数添加噪音。这可能会影响量化边界，因为增加了对有1的区域的选择，但根据想法，同样的效果应该是增加重复的区域，只是我假设重复的区域在训练开始前就被CatBoost算法切断了（需要验证），那么是的，这是一个选项。

更有可能的是，量化会否定这种噪音。如果一列有10000个不同的值，量化为255个量子将得到40个不同值的平均数，变成一个量子。或者另一个例子--如果原来有1000个例子，加入噪音，得到10000个例子，然后量化为255个不同的量子/值--在我看来，这种加入噪音的工作是不必要的。

最近看了一下代码 - 我没有看到任何重复的删除。相反，从40个不同的样本中删除重复的样本，并将其合并为1个量子。

[Aleksey Vyazmikin]

elibrarius:
我认为增加树木的深度会和平衡一样有帮助。

你也可以尝试增加深度。你还应该降低并行的学习率--它也能改善不平衡样本的结果。

elibrarius:

相反，量化会否定这种噪音。如果一列包含10000个不同的值，量化为255个量子将在一次量化中产生40个不同的平均值。或者另一个例子--如果原来有1000个例子，加入噪音，得到10000个例子，然后量化为255个不同的量子/值--在我看来，这种加入噪音的工作是不必要的。

那里有不同的量化方法，包括考虑到范围内物体的拥挤情况。

elibrarius。

最近在看代码 - 我没有看到任何重复的删除。恰恰相反，从40个不同的例子中，通过合并成一个量子来进行重复。

如果你在代码中找到了量化的过程（边界设置），你能把这个代码贴出来吗？那里一定有功能？

[Maxim Dmitrievsky]

深度增强与此有什么关系？

你有一个大的点云，一个类的点云和另一个类的几个样本，并排在一起（甚至可能在里面），永远不会执行。

第二类需要膨胀到一个合理的大小，或者使用一个类的分类算法

[Aleksey Vyazmikin]

Maxim Dmitrievsky:

深度增强与此有什么关系？

你有一个大的点云，一个类的点云和另一个类的几个样本，侧向（甚至可能是内向）的点云从未执行。

第二类需要膨胀到一个合理的规模

增加深度将有助于突出叶子中样本数量少的区域，另一点是有零的叶子的百分比可能会保持不变，然后后续的树又会掩盖这些单位。在训练这样的样本时，你可以看到在训练中间，召回率是如何归零的，然后又回到小百分比。

如果我给一个样本，你能充气吗？如果该方法可行，我将考虑如何在MT5中实现它。

[Maxim Dmitrievsky]

Aleksey Vyazmikin:

增加深度将有助于突出叶子中样本数量少的区域，另一点是有零的叶子的百分比可能会保持不变，然后后续的树又会掩盖这些单位。在训练这样的样本时，你可以看到在训练中间，召回率是如何归零的，然后又回到小百分比。

如果我给一个样本，你能充气吗？如果该方法可行，那么我将考虑如何在MT5中实现它。

是的，我可以，都是关于树叶之类的废话。班级必须是平衡的

[Aleksey Vyazmikin]

马克西姆-德米特里夫斯基：
，我可以。都是关于树叶之类的废话。班级必须是平衡的。

这里有 一个样本--分成3个部分，我理解只有train.csv需要修改？

目标列 "Target_100"--最后4列不参与训练（你可以关注那里的日期列）--你需要它来建立平衡。

[Renat Akhtyamov]

Aleksey Vyazmikin:

看来我在文章中烧毁了一个有利可图的专家顾问（培训方法）。

图中显示了每个月末模型的财务结果，如果你对第一个模型进行12个月的训练，然后把每个新月份的历史加入到模型中--粘上USDRUB_TOM的期货Si 合约。

盈利的余额以相同的角度上升

如果再投资，则按几何级数 计算