сейчас так делаю, думал что есть что-то лучше, чтобы оно еще при обучении использовалось

Using Reinforcement Learning in the Algorithmic Trading Problem
Trading with recurrent actor-critic reinforcement learning

Code: https://github.com/evgps/a3c_trading

Paper: https://arxiv.org/abs/2002.11523v1

Здравствуйте.  На схеме "Подбор одного дерева" https://youtu.be/ySla2kczbeM?t=214 показаны этапы "Выбор фолда" и "Подсчет счетчиков на всех фолдах", правильно я понимаю, что в начале случайным образом берется некая величина строк выборки (сколько берется и как её настроить?), а потом уже происходит проверка на остальной части учебной выборки, но почему тогда указано что на множестве фолдов?

Мы тут говорим про фолды в смысле случайной перестановки тех данных, которые были поданы на вход алогоритму, таких перестановок 3 штуки для случая, когда есть категориальные фичи, по которым счётчки нужно считать

Не совсем понял, а если категориальных признаков нет в выборке, то тогда берётся вся выборка для расчёта дерева, и перемешивания выборки не происходит?

Да, все так

А когда есть катфичи и эти 3 перестановки, для каждого дерева мы выбираем случайную, и на ней ищем структуру дерева

Есть ли возможность использовать дополнительные условия при построении дерева, к примеру проверку на равномерность (примерно равное число) активаций листьев, в том числе TP? Это, на мой взгляд существенно улучшит обучение на временных рядах

Как можно откалибровать предсказания катбуста? CalibratedClassifierCV не дает работать с категориальными фичами

Всем привет! Вышел CatBoost 0.22.

New features:

- The main feature of the release is the support of non symmetric trees for training on CPU.
Using non symmetric trees might be useful if one-hot encoding is present, or data has little noise.
To try non symmetric trees change `grow_policy` parameter.
Starting from this release non symmetric trees are supported for both CPU and GPU training.
- The next big feature improves catboost text features support.
Now tokenization is done during training, you don't have to do lowercasing, digit extraction and other tokenization on your own, catboost does it for you.
- Auto learning-rate is now supported in CPU MultiClass mode.
- CatBoost class supports `to_regressor` and `to_classifier` methods.

The release also contains a list of bug fixes.

спасибо за релиз!
а что такое "Auto learning-rate"? Он динамически меняется во время обучения или статичен?

он статичен и устанавливается по параметрам датасета перед обучением, если он не задан явно пользователем.

ok, спасиб

Всем привет. Подскажите при работе кэтбуста отправляются пакеты в сеть(интернет)?

Нет конечно

у меня трафик 500 кб в секунду

ну это не из-за катбуста :)

при работающей модели

заметил  этона ресурсе vast ai

вы же запускаете jupyter notebook?