мое начинание в машинных методах

[good_bye 620]

берем ничью

[good_bye 620]

тоже беру

[good_bye 620]

тоже беру

[good_bye 620]

гостей бы можно было взять но смущает паттерн...пропущу

[good_bye 620]

[good_bye 620]

беру

[Дмитрий 113]

2 часа назад, hostmas сказал:

беру

8.5 КФ был когда горели 0-2 дай бог тебе здоровья Добрый человек

[Валерий Иванович 689]

чем кормишь машину? ))

[good_bye 620]

3 часа назад, Дмитрий сказал:

8.5 КФ был когда горели 0-2 дай бог тебе здоровья Добрый человек

1х брал?)

[good_bye 620]

3 часа назад, Валерий Иванович сказал:

чем кормишь машину? ))

Статистикой))

[good_bye 620]

По итогу плюс, но Россия опять подвела)

[good_bye 620]

 

тест этого алгоритма здесь плохой. Но паттерны указывают на то что фаворит не выиграет. Посмотрим)

[good_bye 620]

здесь все алгоритмы провалились, но смотрим

[good_bye 620]

Дога вынесли но ничья зашла. В результате плюс) паттерны буду менять, и один из алгоритмов тоже. 

[Валерий Иванович 689]

10 часов назад, hostmas сказал:

Статистикой))

Это понятно, какой именно? )

Вижу на скрине CatBoost, больше ничего нет? )

Изменено 10 марта пользователем Валерий Иванович

[good_bye 620]

17 минут назад, Валерий Иванович сказал:

Это понятно, какой именно? )

Вижу на скрине CatBoost, больше ничего нет? )

Ещё был Диксон-койл и авторский. Больше всего прохода у последнего) 

[good_bye 620]

22 минуты назад, Валерий Иванович сказал:

Это понятно, какой именно? )

Вижу на скрине CatBoost, больше ничего нет? )

А ты что пробовал?

[good_bye 620]

[Валерий Иванович 689]

9 часов назад, hostmas сказал:

А ты что пробовал?

У меня Стекинг из трех базовых моделей: XGBoost, LightGBM, CatBoost.
Последовательное обучение на ошибках друг у друга, далее создается итоговый стекинг, выполняет обобщение каждого видения моделей (они все разные признаки используют), что дает прирост в точности если брать отдельные результат от каждой модели. Уже добавлял рандомфорест, но думаю вернуть его обратно, для разнообразия.

В базе *.db сейчас 11.5к записей о матчах с 128 признаками, начинал с csv. 
Сейчас добавил  5 новых признаков в базу:



Запустил шайтан машину, для парсинга и заполнения этих признаков )))
Надеюсь в flashscore не упадет сегодня )))))


Я честно сказать много чего пробовал с момента первого запуска в августе 25 года, фолды, автоподбор параметров, разные модели, стекинги, вотинги, бустинги, даже нейронку Keras засовывал, но он себя показывает хорошо от 100к записей хорошо, до чего мне далеко. Пару раз обнулял базу, пока не допер что можно парсеры делать на регулярках для добавления данных. Сейчас пока нравятся эти три модели, и стекинг оставил - нормальная тема время показало )))

Отказался от балансировки, инжиниринга и маштабируемости что бы предиктор видел фактические данные, переобучения больше 1% не повышается, иногда в минус вообще уходит - обобщающая способность прекрасна ))

Все работает на полном автомате, заполнение базы, удаление токсичных данных из базы, обучение ) 
Почти год работы, с каждым днем что-нибудь новое в башку зайдет, вот и пилю и пилю постоянно )) 

Изменено 10 марта пользователем Валерий Иванович

[mihailopolya 95]

57 минут назад, Валерий Иванович сказал:

У меня Стекинг из трех базовых моделей: XGBoost, LightGBM, CatBoost.
Последовательное обучение на ошибках друг у друга, далее создается итоговый стекинг, выполняет обобщение каждого видения моделей (они все разные признаки используют), что дает прирост в точности если брать отдельные результат от каждой модели. Уже добавлял рандомфорест, но думаю вернуть его обратно, для разнообразия.

В базе *.db сейчас 11.5к записей о матчах с 128 признаками, начинал с csv. 
Сейчас добавил  5 новых признаков в базу:



Запустил шайтан машину, для парсинга и заполнения этих признаков )))
Надеюсь в flashscore не упадет сегодня )))))


Я честно сказать много чего пробовал с момента первого запуска в августе 25 года, фолды, автоподбор параметров, разные модели, стекинги, вотинги, бустинги, даже нейронку Keras засовывал, но он себя показывает хорошо от 100к записей хорошо, до чего мне далеко. Пару раз обнулял базу, пока не допер что можно парсеры делать на регулярках для добавления данных. Сейчас пока нравятся эти три модели, и стекинг оставил - нормальная тема время показало )))

Отказался от балансировки, инжиниринга и маштабируемости что бы предиктор видел фактические данные, переобучения больше 1% не повышается, иногда в минус вообще уходит - обобщающая способность прекрасна ))

Все работает на полном автомате, заполнение базы, удаление токсичных данных из базы, обучение ) 
Почти год работы, с каждым днем что-нибудь новое в башку зайдет, вот и пилю и пилю постоянно )) 

LGBM пробовали? Или вы только через классификацию?

[Валерий Иванович 689]

15 минут назад, mihailopolya сказал:

LGBM пробовали? Или вы только через классификацию?

LightGBM у меня в стекинге трудится, или это другое что-то? )

У меня мультикласс в таком виде: TARGET_USED = ['П1', 'Ничья', 'П2', 'ТБ 2.5', 'ТМ 2.5', 'ОЗ Да', 'ОЗ Нет']. Делал так же отдельные модели для одного класса, разницы никакой не увидел с мультиклассом.    

Можно включить и другие исходы, код уже подготовлен взарание  для этого списка:
#['П1', 'Ничья', 'П2', 'Ф1(-1)', 'Ф2(-1)', 'ТБ 2.5', 'ТМ 2.5', 'ТБ 3.5', 'ТМ 3.5', 'ОЗ Да', 'ОЗ Нет'] - можно расширить так же, но пока не вижу смысла.

Изменено 10 марта пользователем Валерий Иванович

[good_bye 620]

[good_bye 620]

[good_bye 620]

2 часа назад, Валерий Иванович сказал:

У меня Стекинг из трех базовых моделей: XGBoost, LightGBM, CatBoost.
Последовательное обучение на ошибках друг у друга, далее создается итоговый стекинг, выполняет обобщение каждого видения моделей (они все разные признаки используют), что дает прирост в точности если брать отдельные результат от каждой модели. Уже добавлял рандомфорест, но думаю вернуть его обратно, для разнообразия.

В базе *.db сейчас 11.5к записей о матчах с 128 признаками, начинал с csv. 
Сейчас добавил  5 новых признаков в базу:



Запустил шайтан машину, для парсинга и заполнения этих признаков )))
Надеюсь в flashscore не упадет сегодня )))))


Я честно сказать много чего пробовал с момента первого запуска в августе 25 года, фолды, автоподбор параметров, разные модели, стекинги, вотинги, бустинги, даже нейронку Keras засовывал, но он себя показывает хорошо от 100к записей хорошо, до чего мне далеко. Пару раз обнулял базу, пока не допер что можно парсеры делать на регулярках для добавления данных. Сейчас пока нравятся эти три модели, и стекинг оставил - нормальная тема время показало )))

Отказался от балансировки, инжиниринга и маштабируемости что бы предиктор видел фактические данные, переобучения больше 1% не повышается, иногда в минус вообще уходит - обобщающая способность прекрасна ))

Все работает на полном автомате, заполнение базы, удаление токсичных данных из базы, обучение ) 
Почти год работы, с каждым днем что-нибудь новое в башку зайдет, вот и пилю и пилю постоянно )) 

Ну я по сравнению с вами ещё в начале пути) хотя ансамбль из ваших методов я читал дублирует друг друга. Но раз вы считаете это правильным, надо подумать в этом направлении и мне)

[Валерий Иванович 689]

1 минуту назад, hostmas сказал:

Ну я по сравнению с вами ещё в начале пути) хотя ансамбль из ваших методов я читал дублирует друг друга. Но раз вы считаете это правильным, надо подумать в этом направлении и мне)

Они не могут друг друга дублировать, потому что смотрят на признаки под разным углом, используют разные признаки. Из-за того, что используют разные признаки и смотрят на них по разному, деревья решений создаются разные - а тут и результат другой получается в любом случае )