Interesante ver tantas perspectivas diferentes. El libro de aprendizaje automático con árboles de decisión ha sido mi experiencia de que nunca podemos conocer realmente la realidad subyacente. ¿Cómo se puede saber si los límites de decisión son realmente paralelos en un espacio multidimensional? Puedo estar limitado en mi conocimiento cuando hago esta declaración.
Sigo un enfoque empírico. Ejecute varios tipos de modelos (debe tener una forma automatizada de hacer el trabajo duro como análisis bi-variado, tratamiento atípico, de lo contrario, las cosas pueden salirse de control) Elija el que funcione bien en un conjunto de datos de prueba. Incluso puede usar una combinación de los modelos en lugar de uno. Y sí, no olvide probar la salida de combinación en un conjunto de datos de prueba para ver que realmente funciona mejor que los modelos individuales.
El conjunto de datos de prueba no debería haberse utilizado en absoluto en el proceso de modelado. Todos los hiperparámetros, incluidos los pesos de diferentes modelos en el modelo de combinación, se establecerán en función de un conjunto de validación o validación cruzada.
- ¿Cuál es la última actualización del algoritmo SEO de Google en 2017?
- ¿Cuáles son algunos de los diferentes casos que debería considerar usar matrices bidimensionales sobre matrices unidimensionales en Java?
- ¿Es posible implementar dos pilas usando una matriz?
- ¿Cómo podría seleccionar aleatoriamente los bordes en un gráfico para conectar cada nodo [C]?
- ¿Cuáles son algunos algoritmos para el comercio de acciones automatizado?
