交易中的机器学习：理论、模型、实践和算法交易 - 页 3375

新评论
 
Maxim Kuznetsov #:

以表格形式呈现的离散数据。

非 TO ?

那我就直接糊涂了......什么是表格/非表格数据.....？表格数据是线性度量，Y 完全依赖于 X？

表格数据是异构的，比如员工列表。其中列出了性别、年龄、工资等。表格数据中的更多行通常互不相关，例如，如果你把几个工人加起来，那么擎天柱就不会工作。但如果把几个像素相加，就会得到擎天柱。
 
在我们的案例中，原始数据是时间序列，而不是表格。如果我们不使用新闻分析，那么就使用表格。

因此，在第一种情况下，NS 和 bousting 都适用，也许 NS 更好，这取决于数据表示。在第二种情况下，bousting 更好。

因此，我们要学会区分初始数据表示和处理后的数据表示。
 
Aleksey Nikolayev #:
如果它们可以写入表格，但不能写入矩阵）。
那么，NS 在同类数据中效果更好。如果数据类型相同，表格数据可以写入矩阵。
 
对于表格数据，有一种神经元 TabNet 架构

它被定位为 boosts 的竞争对手。
我已经试过了，效果很好，而且不会...
 
的确有这样的网络。但我们的课题需要的是处理序列的网络，而不是表格。因为它们从一开始就是序列。
 
Maxim Dmitrievsky #:
的确有这样的网络。但我们的课题需要的是处理序列的网络，而不是表格。因为它们从一开始就是序列。

你能证明它们是序列吗？

你能证明它们是序列吗？

 
我从这一提示中了解到的表格数据

这就是所谓的整洁数据，即 "整洁数据"。

在表格中，每一行都是一个观测值，每一列都是一个特征。

 
Maxim Dmitrievsky #:
主题需要更多的网络来处理序列而不是表格。
我不明白，序列不能是表格格式吗？
 
Maxim Dmitrievsky #:
的确有这样的网络。但我们的课题需要的是处理序列的网络，而不是表格。因为它们从一开始就是序列。

第一种选择，表格--Excel 电子表格，每一行都有一个时间标记。这是最常见的财务数据形式。

第二种，手写信件。与老师一起学习，老师是一封打印出来的信，下面一栏是该信的手写变体。

比较 Bousting 和 NS。哪种方法更适合哪种情况？或者是否等同？

PS.

来自 Rattle，其中有 rpart（简单树）、rf、ada、SVM、glm、nnet（可能是最简单的 NS）。结果最差的是 rpart，排在第二位的是 nnet，其他四种都差不多，这取决于输入数据。

 
Maxim Kuznetsov #:

我现在心情很好。

你能证明它们是序列吗？

时间序列更准确在我看来，你必须先提出一个替代方案。否则要么有要么没有
1...336833693370337133723373337433753376337733783379338033813382...3399
新评论