回答編集履歴
1
一部修正
answer
CHANGED
@@ -1,6 +1,7 @@
|
|
1
|
-
株価予測の難しさ等は
|
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)
|