交易中的机器学习：理论、模型、实践和算法交易 - 页 2644

新评论
 
在这里，即使你出版了现成的圣杯，他们也会开始向作者解释他是个傻瓜）。
 
secret 圣杯，他们也会开始向作者解释他是个傻瓜。）

我在这里从未见过圣杯，但有很多关于拥有圣杯之谜的模糊暗示）我已经就这个话题发表过评论，这里的 "傻瓜 "一词实际上是一个医学术语，而不是脏话）。

 
mytarmailS #:

让我们发表一些研究成果，提出一些想法。

我正在考虑把我的想法 与PRIM 算法 的想法结合起来的可能性。我没什么好炫耀的。

 
mytarmailS #:

让我们发表一些研究成果、想法......

已经有一篇关于聚类的文章了:)不过没什么用。

我有一些关于如何做一篇合理的文章的想法，但我还没有做。而且我还丢失了所有资料来源

优点已经说过了--新数据稳定。缺点是分数一般。但也有可能挤出一些折衷方案。
 
secret 圣杯，他们也会开始向作者解释他是个傻瓜）。
啊哈哈哈...这是真的。
 
Aleksey Nikolayev #:

我正在考虑将我的想法 与PRIM 算法 的想法结合起来的可能性。我没有什么可炫耀的。

与其他我还不了解的算法相比，Prim 的新鲜之处在哪里？
 
Maxim Dmitrievsky #:
已经有一篇关于集群的文章了：)但它毫无用处。

有一些关于如何制作一个合理的集群的想法，但我还没有做。而且我还丢失了所有资料来源。

优点是新数据稳定。缺点是分数一般。但你可以挤出一些折衷方案。
如果你能找到一个类标签强势主导另一个类标签的聚类，那么这样的聚类就能在新数据上保留统计数据，与任何训练形成鲜明对比。有了老师
试着找到这样的聚类，你会有惊喜的发现。
 
mytarmailS #:
我还是不明白，Prim 的新鲜度与其他的相比究竟如何？

我发现它适合作为在一组预测器中选择工作区域的算法基础。粗略地说，我根据自己的想法 建立了立方体区域的初始近似值，然后尝试对其进行更精细的调整。

好吧，优化只是为了盈利，这导致我试图通过人为增加假阴性来改进系统。

这没有严格的理论依据，也几乎不可能实现。

 
Aleksey Nikolayev #:

我发现它适合作为在一组预测器中选择工作区域的算法的基础。粗略地说，根据我的想法，我建立了立方体区域的初始近似值，然后尝试对其进行更精细的调整。

不过，我只从利润角度进行优化，这就导致我试图通过人为增加假阴性案例来改进系统。

这没有严格的理论依据，也不可能实现。

我不明白
如果只是训练随机森林，并根据必要的标准从中选择最佳规则，这有什么区别？
规则已经是某种情况的特例，规则已经考虑到了这些立方体。
 
mytarmailS #:
我不明白...
如果只是训练一个随机森林，然后根据所需的标准从中选出最佳规则，这有什么区别？
规则已经是某种情况的特例，规则已经考虑到了这些立方体。

很可能就是这样。但在比较/选择特征和优化元参数方面，这似乎是一种更可解释的方法。

1...263726382639264026412642264326442645264626472648264926502651...3399
新评论