การส่งเสริม - ภาพรวมแบบฟอร์มข้อดีและข้อเสียต้นไม้ตัวเลือก

Boosting เป็นอัลกอริทึมที่ช่วยในการลดความแปรปรวนและอคติในชุดการเรียนรู้ของเครื่อง อัลกอริทึมอัลกอริทึม (Algos) อัลกอริทึม (Algos) เป็นชุดคำสั่งที่แนะนำในการปฏิบัติงานอัลกอริทึมถูกนำมาใช้เพื่อการซื้อขายอัตโนมัติเพื่อสร้างผลกำไรในความถี่ที่ผู้ค้ามนุษย์ไม่สามารถช่วยในการเปลี่ยนผู้เรียนที่อ่อนแอให้เป็นผู้เรียนที่แข็งแกร่ง โดยการรวม N จำนวนผู้เรียน

ที่มา: ศิรกร [CC BY-SA]

การส่งเสริมยังสามารถปรับปรุงการคาดคะเนแบบจำลองสำหรับการเรียนรู้อัลกอริทึม ผู้เรียนที่อ่อนแอจะได้รับการแก้ไขตามลำดับโดยผู้เรียนรุ่นก่อนและในกระบวนการนี้พวกเขาจะเปลี่ยนเป็นผู้เรียนที่แข็งแกร่ง

รูปแบบของการส่งเสริม

การส่งเสริมอาจมีหลายรูปแบบ ได้แก่ :

1. Adaptive Boosting (Adaboost)

Adaboost มีจุดมุ่งหมายที่จะรวมผู้เรียนที่อ่อนแอหลาย ๆ คนเข้าด้วยกันเพื่อสร้างผู้เรียนที่เข้มแข็ง Adaboost มุ่งเน้นไปที่ผู้เรียนที่อ่อนแอซึ่งมักจะเป็นต้นไม้แห่งการตัดสินใจที่มีการแยกเพียงครั้งเดียวและมักเรียกกันทั่วไปว่าตอการตัดสินใจ การตัดสินใจครั้งแรกใน Adaboost ประกอบด้วยข้อสังเกตที่ให้น้ำหนักเท่า ๆ กัน

ข้อผิดพลาดก่อนหน้านี้ได้รับการแก้ไขและข้อสังเกตใด ๆ ที่จัดประเภทไม่ถูกต้องจะได้รับน้ำหนักมากกว่าข้อสังเกตอื่น ๆ ที่ไม่มีข้อผิดพลาดในการจำแนก อัลกอริทึมจาก Adaboost นิยมใช้ในขั้นตอนการถดถอยและการจำแนกประเภท ข้อผิดพลาดที่สังเกตเห็นในรุ่นก่อน ๆ จะถูกปรับด้วยการถ่วงน้ำหนักจนกว่าจะมีตัวทำนายที่แม่นยำ

2. การเพิ่มการไล่ระดับสี

การเพิ่มการไล่ระดับสีเช่นเดียวกับขั้นตอนการเรียนรู้ของเครื่องวงอื่น ๆ จะเพิ่มตัวทำนายไปยังวงดนตรีตามลำดับและทำตามลำดับในการแก้ไขตัวทำนายก่อนหน้าเพื่อให้ได้ตัวทำนายที่แม่นยำเมื่อสิ้นสุดขั้นตอน Adaboost แก้ไขข้อผิดพลาดก่อนหน้านี้โดยการปรับน้ำหนักสำหรับทุกการสังเกตที่ไม่ถูกต้องในการทำซ้ำทุกครั้ง แต่การเพิ่มการไล่ระดับสีมีจุดมุ่งหมายเพื่อปรับตัวทำนายใหม่ในข้อผิดพลาดที่เหลือที่เกิดขึ้นโดยตัวทำนายก่อนหน้า

การเพิ่มการไล่ระดับสีใช้การไล่ระดับสีเพื่อระบุความท้าทายในการคาดคะเนของผู้เรียนที่ใช้ก่อนหน้านี้ ข้อผิดพลาดก่อนหน้านี้ถูกไฮไลต์และด้วยการรวมผู้เรียนที่อ่อนแอคนหนึ่งเข้ากับผู้เรียนคนถัดไปข้อผิดพลาดจะลดลงอย่างมากเมื่อเวลาผ่านไป

3. XGBoost (การเพิ่มการไล่ระดับสีมาก)

XGBoostimg ใช้โครงสร้างการตัดสินใจด้วยการไล่ระดับสีที่เพิ่มขึ้นประสิทธิภาพที่เพิ่มขึ้นและความเร็ว การใช้งานเครื่องไล่ระดับสีค่อนข้างช้าเนื่องจากการฝึกโมเดลที่ต้องเป็นไปตามลำดับ ดังนั้นพวกเขาจึงขาดความสามารถในการปรับขนาด Scalability Scalability อาจตกอยู่ในบริบททางการเงินและกลยุทธ์ทางธุรกิจ ในทั้งสองกรณีหมายถึงความสามารถของกิจการในการทนต่อแรงกดดันอันเนื่องมาจากความช้า

XGBoost ขึ้นอยู่กับประสิทธิภาพของโมเดลและความเร็วในการคำนวณ มันให้ประโยชน์มากมายเช่นการขนานการประมวลผลแบบกระจายการเพิ่มประสิทธิภาพแคชและการประมวลผลนอกคอร์

XGBoost ให้การขนานกันในการสร้างต้นไม้ผ่านการใช้แกน CPU ในระหว่างการฝึกอบรม นอกจากนี้ยังกระจายการประมวลผลเมื่อมีการฝึกอบรมโมเดลขนาดใหญ่โดยใช้กลุ่มเครื่อง การประมวลผลนอกคอร์ใช้สำหรับชุดข้อมูลขนาดใหญ่ที่ไม่สามารถพอดีกับขนาดหน่วยความจำแบบเดิมได้ การเพิ่มประสิทธิภาพแคชยังใช้สำหรับอัลกอริทึมและโครงสร้างข้อมูลเพื่อเพิ่มประสิทธิภาพการใช้ฮาร์ดแวร์ที่มีอยู่

ข้อดีและข้อเสียของการส่งเสริม

ในฐานะที่เป็นแบบจำลองทั้งมวลการส่งเสริมมาพร้อมกับอัลกอริทึมที่อ่านและตีความได้ง่ายทำให้การตีความการทำนายนั้นง่ายต่อการจัดการ ความสามารถในการทำนายนั้นมีประสิทธิภาพโดยใช้วิธีการโคลนเช่นการบรรจุถุง (Bootstrap Aggregation) การเรียนรู้ของเครื่อง Ensemble สามารถแบ่งออกเป็นส่วนใหญ่ในการบรรจุหีบห่อและการส่งเสริม เทคนิคการบรรจุถุงมีประโยชน์สำหรับทั้งการถดถอยและฟอเรสต์เชิงสถิติหรือแบบสุ่มและต้นไม้การตัดสินใจ การบูสต์เป็นวิธีการที่ยืดหยุ่นซึ่งช่วยลดการกระชับได้อย่างง่ายดาย

ข้อเสียอย่างหนึ่งของการเพิ่มประสิทธิภาพคือความอ่อนไหวต่อค่าผิดปกติเนื่องจากตัวแยกประเภททุกตัวมีหน้าที่ต้องแก้ไขข้อผิดพลาดในรุ่นก่อน ดังนั้นวิธีนี้จึงขึ้นอยู่กับค่าผิดปกติมากเกินไป ข้อเสียอีกประการหนึ่งคือวิธีนี้แทบจะเป็นไปไม่ได้ที่จะขยายขนาด เนื่องจากตัวประมาณค่าทุกตัวอ้างอิงความถูกต้องของตัวทำนายก่อนหน้านี้จึงทำให้ขั้นตอนนี้ยากต่อการปรับปรุง

ต้นไม้ตัวเลือกคืออะไร?

ต้นไม้ตัวเลือกเป็นสิ่งทดแทนสำหรับต้นไม้การตัดสินใจ เป็นตัวแทนของลักษณนามทั้งมวลในขณะที่ได้มาซึ่งโครงสร้างเดียว ความแตกต่างระหว่างแผนผังตัวเลือกและแผนผังการตัดสินใจคือในอดีตมีทั้งโหนดตัวเลือกและโหนดการตัดสินใจในขณะที่โหนดหลังมีโหนดการตัดสินใจเท่านั้น

การจัดหมวดหมู่ของอินสแตนซ์ต้องการการกรองผ่านทรี โหนดการตัดสินใจจำเป็นต้องเลือกหนึ่งในสาขาในขณะที่โหนดตัวเลือกจำเป็นต้องใช้ทั้งกลุ่มของสาขา ซึ่งหมายความว่าด้วยโหนดตัวเลือกหนึ่งจะลงท้ายด้วยใบไม้หลายใบที่ต้องการรวมกันเป็นประเภทเดียวจึงจะจบลงด้วยการคาดคะเน ดังนั้นจึงจำเป็นต้องมีการลงคะแนนในกระบวนการซึ่งการโหวตเสียงข้างมากหมายความว่าโหนดได้รับการคัดเลือกให้เป็นตัวทำนายสำหรับกระบวนการนั้น

กระบวนการข้างต้นทำให้ชัดเจนว่าโหนดตัวเลือกไม่ควรมีสองตัวเลือกเนื่องจากจะต้องสูญเสียการโหวตหากไม่พบผู้ชนะที่แน่นอน ความเป็นไปได้อื่น ๆ คือการหาค่าเฉลี่ยของการประมาณความน่าจะเป็นจากเส้นทางต่างๆโดยทำตามแนวทางต่างๆเช่นวิธีแบบเบย์หรือวิธีการหาค่าเฉลี่ยแบบไม่ถ่วงน้ำหนัก

ต้นไม้ตัวเลือกยังสามารถพัฒนาได้จากการปรับเปลี่ยนผู้เรียนแผนผังการตัดสินใจที่มีอยู่หรือสร้างโหนดตัวเลือกที่มีความสัมพันธ์กัน แผนผังการตัดสินใจทั้งหมดที่อยู่ในระดับความอดทนที่อนุญาตสามารถเปลี่ยนเป็นต้นไม้ตัวเลือกได้

แหล่งข้อมูลเพิ่มเติม

Finance เป็นผู้ให้บริการอย่างเป็นทางการของ Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certification การรับรอง Certified Banking & Credit Analyst (CBCA) ™เป็นมาตรฐานระดับโลกสำหรับนักวิเคราะห์สินเชื่อซึ่งครอบคลุมด้านการเงินการบัญชีการวิเคราะห์เครดิตการวิเคราะห์กระแสเงินสด การสร้างแบบจำลองตามพันธสัญญาการชำระคืนเงินกู้และอื่น ๆ โปรแกรมการรับรองซึ่งออกแบบมาเพื่อเปลี่ยนทุกคนให้เป็นนักวิเคราะห์การเงินระดับโลก

หากต้องการเรียนรู้และพัฒนาความรู้ด้านการวิเคราะห์ทางการเงินเราขอแนะนำแหล่งข้อมูลด้านการเงินเพิ่มเติมด้านล่างนี้:

• Fintech (เทคโนโลยีทางการเงิน) Fintech (เทคโนโลยีทางการเงิน) คำว่า fintech หมายถึงการทำงานร่วมกันระหว่างการเงินและเทคโนโลยีซึ่งใช้เพื่อเพิ่มประสิทธิภาพการดำเนินธุรกิจและการให้บริการทางการเงิน
• การเงินเชิงปริมาณ Quantitative Finance การเงินเชิงปริมาณคือการใช้แบบจำลองทางคณิตศาสตร์และชุดข้อมูลขนาดใหญ่เพื่อวิเคราะห์ตลาดการเงินและหลักทรัพย์ ตัวอย่างทั่วไป ได้แก่ (1) การกำหนดราคาของหลักทรัพย์อนุพันธ์เช่นออปชั่นและ (2) การจัดการความเสี่ยงโดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับการจัดการพอร์ตโฟลิโอ
• การปลอมแปลงการปลอมแปลงการปลอมแปลงเป็นแนวทางปฏิบัติในการซื้อขายอัลกอริทึมที่ก่อกวนซึ่งเกี่ยวข้องกับการเสนอราคาเพื่อซื้อหรือเสนอขายสัญญาซื้อขายล่วงหน้าและยกเลิกการเสนอราคาหรือข้อเสนอก่อนที่จะมีการดำเนินการของดีล แนวปฏิบัตินี้ตั้งใจที่จะสร้างภาพความต้องการที่ผิดพลาดหรือการมองโลกในแง่ร้ายที่ผิดพลาดในตลาด
• คู่มือเงินเดือนวิศวกรซอฟต์แวร์คู่มือเงินเดือนวิศวกรซอฟต์แวร์ในคู่มือเงินเดือนวิศวกรซอฟต์แวร์นี้เราครอบคลุมงานวิศวกรซอฟต์แวร์หลายงานและเงินเดือนกลางที่สอดคล้องกันสำหรับปี 2018 วิศวกรซอฟต์แวร์เป็นมืออาชีพที่ใช้หลักการทางวิศวกรรมซอฟต์แวร์ในกระบวนการออกแบบการพัฒนาการบำรุงรักษา การทดสอบและประเมินซอฟต์แวร์ที่ใช้ในคอมพิวเตอร์