Мы изучили отдельные размещения и поняли структуру прогнозов. Теперь разберемся с логикой алгоритма. Напомним, что наша модель использует метод
градиентного бустинга и библиотеку XGBoost, чтобы прогнозировать IPO. Фактически, модель строит множество деревьев решений, отправляет им входящие данные и выдает результат.
Мы не будем воспроизводить деревья решений здесь, потому что это не имеет практического смысла. Во-первых, деревьев много, во-вторых, они длинные, в-третьих, они не всегда интерпретируются человеческой логикой.
Но если вы хотите понять суть алгоритма на концептуальном уровне, то пройдите по
этой ссылке. Вы скачаете архив, который содержит двенадцать деревьев решений. Они лежат в основе отдельных стратегий. На самом деле XGBoost использует сильно больше деревьев, но конкретно эти ветки — ключевые. Ознакомившись с ними, вы поймете, каким образом алгоритм прогнозирует IPO.