Ağaç tabanlı sınıflandırıcılar, özellikle gürültülü finansal etiketlerde aşırı güvenli olasılıklar üretir; bu nedenle doğruluk kabul edilebilir görünürken olasılık tahminleri sistematik olarak aşırı uç değerler alır. Bu hatalı kalibrasyon, bahis boyutlandırması ve Kelly tarzı boyutlandırma doğrudan etkiler, aşırı büyük pozisyonlar, daha derin çekilmeler ve daha zayıf geometrik büyüme yaratır. Kalibrasyon, güvenilirlik diyagramları ve Brier skoru (genel fayda), ECE (ortalama fark) ve MCE (en kötü durum kuyruk riski) ile değerlendirilir; bunlar, sınırlı bağımsız örnekleri yansıtmak için bootstrap güven aralıkları ile desteklenir. İki pratik kalibratör karşılaştırılır: izotonic regresyon (parametrik olmayan, sıralamayı koruyan, yeterli veriyle en iyi sonuç verir) ve Platt ölçeklendirmesi (sigmoit, küçük örneklerde daha kararlı ancak daha az esnek). Ana mühendislik kısıtlaması, zamanla sızıntıyı önlemektir. Kalibrasyon, out-of-fold tahminleri p üzerinde yapılır... #MQL5 #MT5 #AITrading #Strategy https://t.co/YzqMoyifVC
Paylaş
Kaynak:Orijinalini göster
Yasal Uyarı: Bu sayfadaki bilgiler üçüncü şahıslardan alınmış olabilir ve KuCoin'in görüşlerini veya fikirlerini yansıtmayabilir. Bu içerik, herhangi bir beyan veya garanti olmaksızın yalnızca genel bilgilendirme amacıyla sağlanmıştır ve finansal veya yatırım tavsiyesi olarak yorumlanamaz. KuCoin, herhangi bir hata veya eksiklikten veya bu bilgilerin kullanımından kaynaklanan sonuçtan sorumlu değildir.
Dijital varlıklara yapılan yatırımlar riskli olabilir. Lütfen bir ürünün risklerini ve risk toleransınızı kendi finansal koşullarınıza göre dikkatlice değerlendirin. Daha fazla bilgi için lütfen Kullanım Koşullarımıza ve Risk Açıklamamıza bakınız.