따라서 분할 또는 예측 변수를 결합하는 다른 메커니즘을 사용하여 다른 샘플링 간격에서 "정상성"의 추정치를 제공하는 모델을 구성하는 방법을 모르겠습니다. 모든 모형이 표본 영역에 적합하여 개선의 정량적 지표만 추정하지만 간격으로 추정해야 모형이 더 안정적일 수 있습니다.
로르샤흐 # : 70년대에 읽은 책에서 자기상관 이 없으면 예측이 불가능하다고 합니다. 이 주제에 대해 더 최신 정보가 있습니까?
아마도 제안된 프로세스의 유형에 따라 모델 선택에 따라 달라질 것입니다. 결국 정적 프로세스에서는 반대로 선형 모델과의 자기 상관으로 어려움을 겪습니다. 그리고 동적 프로세스에서 자기 상관이 주로 존재합니다. 따라서 과학 공동체는 적절한 모델을 사용하여 자기 상관 과정의 문제를 해결하려고 노력하고 있습니다. 따라서 아마도 자기상관이 없다는 진술과 큰 오차가 있는 예측이 될 것입니다. 즉, 프로세스의 성격을 구별하여 적절한 알고리즘으로 평가할 필요가 있다.
2014년에 동적 시스템의 종합 평가에 관한 논문을 읽었습니다. 이 작업에서는 기하급수적으로 상관 관계가 있는 프로세스가 있는 예가 고려되었습니다. 우연의 일치? 나는 생각하지 않는다.
아니요, Ivakhnenko는 그것과 아무 관련이 없습니다. 단순히 목표로 해결할 수없는 작업이 있으며 완성 된 형태의 목표는 없습니다.
작업을 상상해보십시오.
기호가 있고 가격이 있습니다. 이 모든 것은 기호 "X"의 행렬입니다.
직무:
AMO가 "X"를 입력으로 사용하고 기능을 출력으로 제공하기를 원합니다.
1) 가격을 최대한 반복(상관)
2) -1.1 범위에 있을 것
3) 가능한 한 가격을 능가합니다(음의 교차 상관).
그게 다야.
알다시피, 여기에 기성품 목표를 갖는 것은 불가능합니다. 단지 검색하고 피트니스를 통해 달리는 것입니다..
글쎄, 또는 최대 이익이나 회복 계수 또는 둘 다를 한 번에 거래하기 위해 네트워크를 최적화하는 기본 예일뿐입니다. 기성 목표의 형태로 수행하는 방법 ??? 절대 안돼!!
음, 다목적 최적화입니다. 모든 것 중 하나의 절충안을 결합한 다음 기준의 가중치가 변경될 때 결정이 어떻게 변경되는지 관찰하고 앞으로의 최적의 것을 선택할 수 있습니다. 또는 하나의 기준을 주요 기준으로 선택하고 다른 기준에 대해 허용 가능한 제한을 선택하고 이를 떠나는 것에 대한 엄격한 패널티를 추가하고 어떤 옵션이 더 나은지 확인할 수도 있습니다.
순방향 테스트에서 심각한 이점을 얻으면 고통을 겪는 것이 합리적입니다. 그렇지 않으면 복잡성을 위해 복잡성이 될 것입니다.
여전히 xgboost 는 할 수 있지만 f 번째 Pts를 작성하십시오. 복잡한. 공식이 필요합니다.
http://biostat-r.blogspot.com/2016/08/xgboost.html - 6번째 단락.
네, 종이에 계산해야 합니다.) 모든 함수가 아직 적합하지는 않습니다. 2차 도함수를 정의해야 하며, 이는 아마도 0이 아니어야 합니다.
맞아요, 예측자와 타겟 사이의 연결을 말하는 겁니다.
따라서 분할 또는 예측 변수를 결합하는 다른 메커니즘을 사용하여 다른 샘플링 간격에서 "정상성"의 추정치를 제공하는 모델을 구성하는 방법을 모르겠습니다. 모든 모형이 표본 영역에 적합하여 개선의 정량적 지표만 추정하지만 간격으로 추정해야 모형이 더 안정적일 수 있습니다.
간격에 걸쳐 안정성을 테스트하기 위해 교차 검증을 수행하지 않는 이유는 무엇입니까?
여기 그 기사가 있습니다. 규칙성이 아니라 불규칙성이 있습니다. 하지만 상관없이
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC518821/
파이썬 의 예 는 아닌 것 같습니다.
아니요, 그게 아니라 맞춤 측정항목일 뿐입니다.
ff 거기에 넣을 수 없습니다.
사용자 정의 메트릭을 사용하여 대상과 데이터를 제공하고 오류를 계산할 공식을 선택합니다.
그리고 ff로 말할 수 있습니다 - AMO!! . 목표가 무엇인지, 일반적으로 어떻게 더 잘할 수 있는지 모르겠지만 좋게 만드십시오(한 번에 여러 기준으로 가능).
그리고 ff + AMO는 스스로 "목표물을 제시"하고 조정 등을 수행합니다.
완전 다른 세상이네..
간격에 걸쳐 안정성을 테스트하기 위해 교차 검증을 수행하지 않는 이유는 무엇입니까?
이것은 무작위로 성공한 모델을 찾는 것이 아니라 이 모델이 성공할 확률을 높이는 것입니다.
아니요, 그게 아니라 맞춤 측정항목일 뿐입니다.
ff 거기에 넣을 수 없습니다.
사용자 정의 메트릭을 사용하여 대상과 데이터를 제공하고 오류를 계산할 공식을 선택합니다.
그리고 ff로 말할 수 있습니다 - AMO!! . 목표가 무엇인지, 일반적으로 어떻게 더 잘할 수 있는지 모르겠지만 좋게 만드십시오(한 번에 여러 기준으로 가능).
그리고 ff + AMO는 스스로 "목표물을 제시"하고 조정 등을 수행합니다.
완전 다른 세상이네..
아마도 이것은 Ivakhnenko의 정신에 관한 것입니다. 어쨌든 내 것이 아닙니다.
70년대에 읽은 책에서 자기상관 이 없으면 예측이 불가능하다고 합니다. 이 주제에 대해 더 최신 정보가 있습니까?
아마도 제안된 프로세스의 유형에 따라 모델 선택에 따라 달라질 것입니다.
결국 정적 프로세스에서는 반대로 선형 모델과의 자기 상관으로 어려움을 겪습니다.
그리고 동적 프로세스에서 자기 상관이 주로 존재합니다.
따라서 과학 공동체는 적절한 모델을 사용하여 자기 상관 과정의 문제를 해결하려고 노력하고 있습니다.
따라서 아마도 자기상관이 없다는 진술과 큰 오차가 있는 예측이 될 것입니다.
즉, 프로세스의 성격을 구별하여 적절한 알고리즘으로 평가할 필요가 있다.
2014년에 동적 시스템의 종합 평가에 관한 논문을 읽었습니다.
이 작업에서는 기하급수적으로 상관 관계가 있는 프로세스가 있는 예가 고려되었습니다.
우연의 일치? 나는 생각하지 않는다.
아마도 이것은 Ivakhnenko의 정신에 관한 것입니다. 어쨌든 내 것이 아닙니다.
아니요, Ivakhnenko는 그것과 아무 관련이 없습니다. 단순히 목표로 해결할 수없는 작업이 있으며 완성 된 형태의 목표는 없습니다.
작업을 상상해보십시오.
기호가 있고 가격이 있습니다. 이 모든 것은 기호 "X"의 행렬입니다.
직무:
AMO가 "X"를 입력으로 사용하고 기능을 출력으로 제공하기를 원합니다.
1) 가격을 최대한 반복(상관)
2) -1.1 범위에 있을 것
3) 가능한 한 가격을 능가합니다(음의 교차 상관).
그게 다야.
알다시피, 여기에 기성품 목표를 갖는 것은 불가능합니다. 단지 검색하고 피트니스를 통해 달리는 것입니다..
글쎄, 또는 최대 이익이나 회복 계수 또는 둘 다를 한 번에 거래하기 위해 네트워크를 최적화하는 기본 예일뿐입니다. 기성 목표의 형태로 수행하는 방법 ??? 절대 안돼!!
아니요, Ivakhnenko는 그것과 아무 관련이 없습니다. 단순히 목표로 해결할 수없는 작업이 있으며 완성 된 형태의 목표는 없습니다.
작업을 상상해보십시오.
기호가 있고 가격이 있습니다. 이 모든 것은 기호 "X"의 행렬입니다.
직무:
AMO가 "X"를 입력으로 사용하고 기능을 출력으로 제공하기를 원합니다.
1) 가격을 최대한 반복(상관)
2) -1.1 범위에 있을 것
3) 가능한 한 가격을 능가합니다(음의 교차 상관).
그게 다야.
알다시피, 여기에 기성품 목표를 갖는 것은 불가능합니다. 단지 검색하고 피트니스를 통해 달리는 것입니다..
글쎄, 또는 최대 이익이나 회복 계수 또는 둘 다를 한 번에 거래하기 위해 네트워크를 최적화하는 기본 예일뿐입니다. 기성 목표의 형태로 수행하는 방법 ??? 절대 안돼!!
음, 다목적 최적화입니다. 모든 것 중 하나의 절충안을 결합한 다음 기준의 가중치가 변경될 때 결정이 어떻게 변경되는지 관찰하고 앞으로의 최적의 것을 선택할 수 있습니다. 또는 하나의 기준을 주요 기준으로 선택하고 다른 기준에 대해 허용 가능한 제한을 선택하고 이를 떠나는 것에 대한 엄격한 패널티를 추가하고 어떤 옵션이 더 나은지 확인할 수도 있습니다.
순방향 테스트에서 심각한 이점을 얻으면 고통을 겪는 것이 합리적입니다. 그렇지 않으면 복잡성을 위해 복잡성이 될 것입니다.
주제넘지만 멋있다
https://www.youtube.com/watch?v=_Aow6P3oBAg