A
И на чем получена эта цифра?
Size: a a a
2020 June 15
A
нет, на каких данных вы ее получали
A
описание фич тоже не интересует
A
за какой период взяты данные, как поделили на тест, обучающую, валидационную
A
проверяли ли в реальности и сколько времени шел эксперимент?
P
да тут допрос
A
с 1980 по 2020 было 40 лет, это примерно 15к дней
A
т.е. валидация это с 11.03 по 14.06, минус выходные?
A
около 100 записей?
GS
Правильно я понимаю, что вы отбирали признаки и подбирали модель на тестовой выборке?
A
90 записей это мало для анализа
A
по хорошему вам надо было отрезать последние лет 5 на валидацию
GS
Как вы отбирали признаки?
На какую метрику ориентировались? На каком датасете(трейн\тест) считали метрику?
На какую метрику ориентировались? На каком датасете(трейн\тест) считали метрику?
y
Есть ли вообще смысл в кропотливом отборе фич при бустинге?
GS
yithian
Есть ли вообще смысл в кропотливом отборе фич при бустинге?
Так кагглы выигрывают.
y
Практически смысл, а не соревновательный.)
A
тест и валидация это не одно и то же
A
модель и под трейн тоже переобучится может
GS
Хорошо. При этом отбирали признаки по уровню метрики на тесте?
K
yithian
Есть ли вообще смысл в кропотливом отборе фич при бустинге?
От датасетов зависит. Но даже на каггле по своему опыту заметил, что отбор фич для бустингов даёт примерно как тюн гиперпараметров. То есть профит есть, но ниже чем тот же фичеинжениринг