Integrated Cloud Datalab simplifies data processing with Cloud BigQuery, Cloud Machine Learning Engine, Cloud Storage, and Stackdriver Monitoring. Authentication, cloud computation and source control are taken care of out-of-the-box. Multi-Language Support Cloud Datalab currently supports Python, SQL, and JavaScript (for BigQuery...
你甚至不知道如何确定RF中预测因子的重要性，只给出了一些关于退火 之类的废话，却没有任何解释（这有什么关系？）
谁说过哪里有专门用于外汇应用的工作台？ 为什么是Ada而不是GBM？你的答案太过模糊抽象。实际上，随着更多的过度训练，收益不会超过5%。
在进行讨论的层面上
让我澄清一下ALGLIB的水平--集体农场的水平，诺夫哥罗德附近的一个村庄。你曾多次写道，这个水平适合你。这很可能是，对于你的任务来说，这已经足够了，但为什么要得罪呢？
你不太擅长推崇一些关于退火 和贿赂的胡言乱语。
你不应该如此...
我几乎试过所有的 R，这种退火方式是最有效的。
为什么是Ada而不是GBM？你的答案是太多模糊的抽象概念。实际上，在更多的过度训练中，收益不会超过5%。
因为我已经试过了，而不仅仅是他们。我仍然有这些协议。
是的，最好的是阿达?是的，相对于森林来说，减少5%，最多7%。而且我也不知道有什么比这更好的。
那么什么是 "大量的过度训练 "呢？你在说什么呢？至于过度训练，我想不起来你有哪一篇帖子表明你的模型没有过度训练！你是怎么做到的？
我只能重申，过度训练根本不取决于模型，它取决于。
在进行讨论的层面上
我澄清了ALGLIB的水平--集体农场的水平，诺夫哥罗德附近的村庄。你曾多次写道，这个水平适合你。这很可能是，这对你的任务来说已经足够了，但为什么要得罪呢？
你不太擅长推崇一些关于退火 和贿赂的胡言乱语。
你不应该如此...
我几乎试过所有的R，这种退火方式是最有效的。
为什么是Ada而不是GBM？你的答案是太多模糊的抽象概念。实际上，在更多的过度训练中，收益不会超过5%。
因为我已经试过了，而不仅仅是他们。我仍然有这些协议。
是的，最好的是阿达?是的，相对于森林来说，减少5%，最多7%。而且我也不知道有什么比这更好的。
那么什么是 "大量的过度训练 "呢？你在说什么呢？至于过度训练，我想不起来你有哪一篇帖子表明你的模型没有过度训练！你是怎么做到的？
我只能重申，过度训练根本不取决于模型，它取决于。
分级和提升的区别是什么？ 在分级中，最初的拟合较少，更多的是机会因素，而在提升中，一个人被拟合在第二个人的遗体上，然后是第三个人，如此类推。而你最终的结果是完全超标。也就是说，射频从一开始就已经可以做得很 "粗 "了，但我要仔细检查一下，我还没有时间。
我所有的模型都是重新训练的:)因为我还没有为它们找到任何永久的模式。
Alglib几乎拥有一切--卷积、PCA、聚类、神经网络集合、FOREST......所以，根据经典，一切都在那里，你还需要什么--我不明白：）更现代的东西，当然不是
而作者写道，他并没有非常崇敬地对待神经网络等，而是认为它们是通常的分类/回归的工具，并没有把它们从其他方法中挑出来。我喜欢这种现实的做法。
关于退火等等，我也不明白--是否有一个通用的方法来评估每个模型？
敲打和吹嘘的区别是什么？ 在敲打中，最初的调整较少，更多的是机会因素，但在吹嘘中，一个人是在第二个人的剩余物上进行调整，然后在第三个人的剩余物上进行调整，以此类推。而你最终的结果是完全超标。也就是说，射频从一开始就已经可以做得很 "粗 "了，但我要仔细检查一下，我还没有时间。
我所有的模型都是重新训练的:)因为我还没有为它们找到任何永久的模式。
Alglib几乎拥有一切--卷积、PCA、聚类、神经网络集合、FOREST......所以，根据经典，一切都在那里，你还需要什么--我不明白：）更现代的东西，当然不是
而作者写道，他并没有非常崇敬地对待神经网络等，而是认为它们是通常的分类/回归的工具，并没有把它们从其他方法中挑出来。我喜欢这种现实的做法。
关于退火等等，我也不明白--它是所有模型的通用方法吗？ 每个模型都应该有自己的评估方法，通过它可以以最好的方式训练这个特定的东西。
我曾多次试图从我的角度向你解释一些基本的东西。我失败了。
我只能建议：花几个月时间在caret上，你会有不同的思维方式，有质的变化。
至于退火等等，也不清楚--是对所有模型的一些通用方法还是什么？ 每个模型都应该有自己的评估方式，通过这个特定的东西可以以最佳方式进行训练
退火是非洲的退火，目标/目的大致相同。允许模型找到的不是局部的最小值，而是全局的最小值。
我不知道ADA的情况，但对NS来说，退火的结果非常好。我不喜欢内置的，因为退火参数需要提前设置，所以我手动退火，根据之前学习的结果改变参数。
HZZ 顺便说一下，或多或少复杂的NS没有退火一般不会真正教什么。
是的，但它是如此优越，以至于我不会在这个阶段把它拖进来 :)+ 他写道，每年的收入不可能超过20%......我想你应该总是从这样的陈述开始，然后深入到细节中去 :)
马克西姆，停止吸烟。断章取义，把别人的话归于他人，等等。
+部分评论被删除。同样，不要把响尾蛇 一词的作者身份归于法（Fomenko））。
马克西姆卡，停止吸烟。你断章取义，把别人的话归到别人身上，等等。+有些评论已经被删除。
+ 一些评论已被删除。另外，不要把响尾蛇 这个词的作者身份归于法（Fomenko））。
我只是说 :) 你心里想的就是你的舌头。
然后就会有东西出现......工作流程是不人性化的。
我对异响的看法是错误的）。SanSanych曾经写过同样的话......胡说八道或类似的话
(由于无所事事，完全没有任何进一步工作的想法，我决定学习一些新东西，当然是为了自己--也许已经很老了）。从射频开始，通过射频来到Python，因为它与我的SciLab软件双向兼容（如他们所说）。现在我是来审查Python的软件包的。
总共有120,000多个包裹。从他们身上，关于机器学习--大约70个，关于神经网络，包括深度学习--大约70个。可能还有更多--我搜索了一下评分标准，有些包可能出现在其他部分。
这还不算由其他公司直接分发的包裹。也有很多这样的套餐。 也有对我们感兴趣的主题--我自己看过，包括国防部、俄罗斯联邦国民议会和ADA。
在其他公司中，有机器学习、树、NS和与ADA有关的东西。
许多软件包都是用C/C++制作的，所以不需要担心性能问题--Python只是一种接口（脚本语言）。事实上，R也是如此。
总而言之，我过得很有趣）。
为什么是Ada而不是GBM？你的答案中有太多模糊的抽象概念。在现实中，随着更多的过度训练，收益不会超过5%。
在评分中，使用 "准确性"--正确答案的百分比--来评价一个模型是非常常见的。在我看来，这是对交易模式最薄弱和最不恰当的评价之一，应该避免。我在这里建议尝试其他一些方法--卡帕、f-score、logloss。
R中的Ada（也许不仅仅是R中）在训练中使用了稍微不同的内置分类模型估计，与 "准确性 "相比，它要好得多。
(由于无所事事，完全没有任何进一步工作的想法，我决定学习一些新东西，当然是为了自己--也许已经很老了）。从射频开始，通过射频来到Python，因为它与我的SciLab软件双向兼容（如他们所说）。现在我来到了包装审查。
总共有超过12万个包裹。其中约70个关于机器学习，约70个关于神经网络，包括深度学习。可能还有更多--我是按评分标准搜索的，有些包可能出现在其他部分。
这还不算由其他公司直接分发的包裹。也有很多这样的套餐。 也有对我们感兴趣的主题--我自己看过，包括国防部、俄罗斯联邦国民议会和ADA。
在其他公司中，有机器学习、树、NS和与ADA有关的东西。
许多软件包都是用C/C++制作的，所以不需要担心性能问题--Python只是一种接口（脚本语言）。事实上，R也是如此。
总而言之，我过得很有趣）。
查看更多这些东西 https://cloud.google.com/datalab/
邪恶的是，AutoML的方向也在那里发展--服务将为某些任务自己挑选一个模型。
在分类中，使用 "准确性"--正确答案的百分比--来评估一个模型是非常常见的。在我看来，这是对交易模式最薄弱和最不恰当的评价之一，应该避免。我在这里建议尝试其他一些方法--卡帕、f-score、logloss。
R中的Ada（也许不仅仅是R中）在训练中使用了一个稍微不同的内置分类模型估计，与 "准确性 "相比，它要好得多。
对于一般的交易来说，很难这样评价，因为有交易持续时间和止损水平应该加入其他的东西，而且程序本身也会定期重新训练......所以这是个遗憾 :)