質問するログイン新規登録

回答編集履歴

1

一部修正

2021/01/30 03:23

投稿

toast-uz
toast-uz

スコア3266

answer CHANGED
@@ -1,6 +1,7 @@
1
- 株価予測の難しさ等は他の回答者様で言及されていますので、質問者様の疑問点に直接回答します。
1
+ 株価予測の難しさ等はfourteenlength様で言及されていますので、質問者様の疑問点に直接回答します。
2
2
 
3
- 機械学習では、**無関係な特徴量を追加すると精度が落ちるのが、むしろ一般的**です。
3
+ 機械学習では、**無関係な特徴量を追加すると精度が落ちるのが、むしろ一般的**です。理由としては、quickquip様の解説通りの次元の呪いが働いています。つまり、無関係な(すなわち探索が行き来しても無駄な)次元が増えてしまうと、無関係な局所最適値がたくさんできてしまい、全体最適値に近づく可能性が減ってしまうのです。
4
+
4
5
  無関係な特徴量を追加しても精度が落ちにくいアルゴリズムは「特殊」な部類であり、そのように特徴を表現しています。
5
6
 
6
7
  参考: [GBDTの仕組みと手順を図と具体例で直感的に理解する](https://www.acceluniverse.com/blog/developers/2019/12/gbdt.html)