交易中的机器学习：理论、模型、实践和算法交易 - 页 2627

[mytarmailS]

elibrarius #:
我在比较 评估属性的重要性的几种方法。我把最耗费资源的作为一个基准：通过逐一移除特征来学习模型。快速方法与基准不吻合。而且它们彼此并不匹配。fselector更快，我想它也不会匹配任何东西。

酷...

现在计算一下你对市场数据的重要性，有500行和1000个属性...

20年后，告诉我你得到了什么。

而这与随时间变化的属性问题有什么关系呢？

[Forester]

mytarmailS #:

移动窗口中标志的重要性（指标和价格）。

在某一时刻，该指标可能是10%的重要性，而在另一时刻，它可能是0.05%的重要性，这就是生活的真相)

如果你认为交叉估价能解决一切问题，你应该脸红，现在是时候...

不清楚交叉验证与它有什么关系？
滑动窗口中的数据被用于每个模型。
交叉验证是用来匹配在不同数据上训练的多个模型的训练结果。
非滑动窗口数据的模型也可以在该数据的不同块上进行训练，并且也可以得到交叉验证。

[Valeriy Yastremskiy]

elibrarius #:
不清楚，交叉验证与它有什么关系？滑动窗口中的数据被用于每个模型。交叉验证是用来对接在不同数据上训练的多个模型的训练结果。非滑动窗口数据的模型也可以在该数据的不同块上进行训练，也可以得到交叉验证。

这里的想法是，一个具有相同宽度的滑动窗口并不能解决问题。好主意是增加每个维度的运行，每一步都要改变窗口的宽度。又是这个诅咒）））。

[mytarmailS]

elibrarius #:
交叉验证与此有什么关系？滑动窗口中的数据被用于每个模型。交叉验证是用来匹配在不同数据上训练的多个模型的训练结果。非滑动窗口数据的模型也可以在该数据的不同块上进行训练，也可以得到交叉验证。

还没睡醒吗））。

如果你明白属性的重要性是很不稳定的，那么交叉验证就没有意义了，这样写的话，有什么不清楚的？

[Forester]

mytarmailS #:
酷...

现在计算一下你对市场数据的重要性，有500行和1000个属性...

20年后，告诉我你得到了什么。

对小数据的测试表明，快速方法的效果并不好。
重要性评分的目的是什么？这样，通过去除不重要的，就有可能在未来更快地训练 模型，而不损失质量。这只是在调整已经在工作的数据和模型。而且你和我（我想）都还没有什么可调的。

因此，只是教模式。该模型将使用重要的，而不是不重要的。

[Forester]

mytarmailS #:
还没睡醒吗））。

如果你理解标志的重要性是非常不稳定的，那么就没有必要再进行反复验证了，它是这么说的，有什么不明白的呢？

醒来）
，我不同意。
交叉验证是抛弃一个刚好在一段历史上成功的模型的能力。在几块历史上测试它，可能会显示它在那里不起作用。
只是交叉验证表明，标志和模型是浮动的。
这种 "浮动 "是通过另一种方法展示给你的，交叉验证给我的。

[Forester]

我自己并不使用纯粹的交叉验证，而是使用valving forward。也就是说，不是在一个圈子里，而是只往前移。

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

这里的想法是，一个具有相同宽度的滑动窗口并不能解决问题。好主意是增加每个维度的运行，每一步都要改变窗口的宽度。又是该死的））））

该死的，太阳在外面，是时候穿上游泳裤去花园了。

[mytarmailS]

elibrarius #:
对小数据的测试表明，快速方法的效果并不好。重要性测试的目的是什么？这样，通过删除不重要的，你可以在未来
更快地训练 模型，而不损失质量。这只是在调整已经在工作的数据和模型。而且你和我（据我推测）都没有其他东西可调。

所以我只是简单地教了一下这个模型。模型本身会使用重要的，不使用不重要的。

如果我想创建一个在输出中产生质量特征的神经元怎么办？

我相信你根本没有想到这一点，但你已经为我得出了所有的结论。

[Forester]

mytarmailS #:
如果我想创建一个产生定性输出的神经元怎么办？

我相信你甚至从未想过，但你已经为我得出了所有的结论

我还没有想到这一点。我只有在进行自己的实验后才能得出结论。祝你的实验顺利。
至于交叉验证（Valving forward），你仍然没有解释为什么它是坏的。我的实验表明，这是一个剔除坏模型/想法的有效方法。