X의 경우 오름차순으로 정렬된 샘플(귀하의 경우 열 높이의 샘플)이 있어야 합니다. 그리고 함수는 0에서 로그(nx)로 증가해야 합니다. 예를 들어 nx=5이면 y=( log(5/5), log( 5/4), log (5/3) , log( 5/2) , log (5/1))가 됩니다.
이미 가로 섹션을 볼 수 있습니다. 또한 이전에는 약 60개였던 최대 샘플이 400개라는 점도 당황스럽습니다. 아마도 이전에 샘플에서 0 값을 버린 상태에서 X 대신 log(X)를 사용하면 작은 값의 X 영역을 더 자세히 볼 수 있을 것입니다.
어쨌든 일반적으로 귀하의 작업이 무엇인지 모르겠습니다. 이 방법은 가장 높은 "울타리"와 가장 낮은 "나무"를 분리하는 방법이라는 특정 질문 하나에 대한 답변만 제공합니다. 수평 섹션의 시작 부분(또는 나머지 곡선의 평균 경사에 비해 수평에 가까운 부분)이 가장 높은 울타리이고 그러한 섹션의 끝이 가장 낮은 나무입니다. 이 구간 자체에는 포인트가 없거나 매우 적기 때문에 무시할 수 있습니다.
어쨌든 나는 일반적으로 당신의 문제가 무엇인지 모르겠습니다. 이 방법은 가장 높은 "울타리"와 가장 낮은 "나무"를 분리하는 방법이라는 특정 질문 하나에 대해서만 답변합니다. 수평 세그먼트의 시작 부분(또는 나머지 커브의 평균 경사에 비해 수평에 가까운 부분)이 가장 높은 울타리이고 이러한 세그먼트의 끝이 가장 낮은 나무입니다. 이 구간 자체에는 포인트가 없거나 매우 적기 때문에 무시할 수 있습니다.
nx는 동일한 요소의 수입니다. 1보다 크면 어떻게 최대 1이 될 수 있나요?
예를 들어 5:1 = (5,4,3,2,1), 1:5 = (1,2,3,4,5)로 감소합니다.
이 글에서는 일반적으로 방법을 적용하기 전에 분포를 알아야 한다고 강조합니다.
matstat에서 평소와 마찬가지로 경험적 아날로그는 샘플에서 구성됩니다. 기대치 대신 평균, 확률 대신 빈도 또는 CDF 대신 ECDF와 같은 것입니다.
대략적으로 말하면, 나무를 베기에는 너무 게으르지 않지만 도끼를 갈기에는 너무 게으르다는 뜻입니다.
R의 가장 간단한 변형, 위험 함수
수평선에 가까운 곡선의 섹션은 히스토그램의 딥에 해당하며, 여기에서는 히스토그램에서와 같이 파티셔닝과 연결되지 않기 때문에 이러한 섹션을 더 정확하게 결정할 수 있습니다. 예를 들어 지그재그 무릎의 높이 분포를 연구할 때 사용합니다.
아니면 다른 주제에서 나온 것입니까?후버 함수를 위험 함수로 간주 할 수 있습니까?
R에서 보여준대로 계산되는 것 같습니다.
내가 이해 한대로 만 배출량에 대한 10 % 백분위수를 정의합니다.
후버 손실 함수를 위험 함수로 적용 할 수 있습니까?
nx에서 1로 감소합니다 . 예: 5:1 = (5,4,3,2,1) 및 1:5 = (1,2,3,4,5)
matstat에서 평소와 마찬가지로 표본에서 경험적 아날로그를 구성합니다. 기대치 대신 평균, 확률 대신 빈도 또는 CDF 대신 ECDF를 사용하는 것과 같은 방식입니다.
이제 플롯을 만들었으니 이걸로 무엇을 하나요?
그리고 x가 샘플의 요소 수인 경우 히스토그램을 어떻게 사용할 수 있나요?
샘플의 요소 수가 x인 경우 히스토그램은 어떻게 만들 수 있을까요?
X는 오름차순으로 정렬된 샘플 (귀하의 경우 열 높이의 샘플)이어야 합니다. 그리고 함수는 0에서 로그(nx)로 증가해야 합니다.예를 들어 nx=5이면 y=( log( 5/5), log( 5/4), log (5/3) , log( 5/2) , log (5/1))가 됩니다.
아니면 다른 오페라에 나오는 장면인가요?
완전히 다릅니다. 여러분은 손실 함수의 변형 중 하나에 대해 이야기하고 있지만, 우리는 누적 위험 함수에 대해 이야기하고 있습니다.
강화 훈련은요?
무엇으로 강화할 건가요?
어쨌든, 당신은 지능이없고 자율 신경계의 모델 만 갖게 될 것입니다.
어쩌면 당신은 약간의 반사 신경을 연습 할 수있을 것입니다 ...
그리고 그것은 어디에 있습니까, 지능? 추상화 수준은 어디에 있습니까? 정신 분열증은 어디에 있습니까?
이 모든 것이 당신의 인공 지능에서 어디에 있습니까?
X의 경우 오름차순으로 정렬된 샘플(귀하의 경우 열 높이의 샘플)이 있어야 합니다. 그리고 함수는 0에서 로그(nx)로 증가해야 합니다. 예를 들어 nx=5이면 y=( log(5/5), log( 5/4), log (5/3) , log( 5/2) , log (5/1))가 됩니다.
중요한 설명입니다!
그러면 이렇게 되는 걸까요?
그렇다면 히스토그램을 어떻게 변환할까요?
중요한 설명!
그런가요?
그렇다면 히스토그램은 어떻게 변환할까요?
이미 가로 섹션을 볼 수 있습니다. 또한 이전에는 약 60개였던 최대 샘플이 400개라는 점도 당황스럽습니다. 아마도 이전에 샘플에서 0 값을 버린 상태에서 X 대신 log(X)를 사용하면 작은 값의 X 영역을 더 자세히 볼 수 있을 것입니다.
어쨌든 일반적으로 귀하의 작업이 무엇인지 모르겠습니다. 이 방법은 가장 높은 "울타리"와 가장 낮은 "나무"를 분리하는 방법이라는 특정 질문 하나에 대한 답변만 제공합니다. 수평 섹션의 시작 부분(또는 나머지 곡선의 평균 경사에 비해 수평에 가까운 부분)이 가장 높은 울타리이고 그러한 섹션의 끝이 가장 낮은 나무입니다. 이 구간 자체에는 포인트가 없거나 매우 적기 때문에 무시할 수 있습니다.
이제 가로 섹션을 볼 수 있습니다. 이전에는 약 60개였던 최대 샘플이 400개라는 점도 당황스럽습니다. 이전에 샘플에서 0 값을 버렸던 X 대신 log(X)를 사용하면 작은 값의 X 영역을 더 자세히 볼 수 있습니다.
X를 변환했지만 여전히 거기에서 무엇을 보았는지, 그리고 원하는 범위를 선택하기 위해 좌표를 정의하는 프로세스를 자동화하는 방법을 이해하지 못합니다.
"완만한 그래프"가 시작되는 특정 좌표의 이름을 알려주실 수 있나요? 그리고 수평 그래프가 있었고 날카로운 각도로 움직이는 것은 더 이상 중요하지 않습니다-첫 번째 완만 한 그래프 또는 무엇까지?
어쨌든 나는 일반적으로 당신의 문제가 무엇인지 모르겠습니다. 이 방법은 가장 높은 "울타리"와 가장 낮은 "나무"를 분리하는 방법이라는 특정 질문 하나에 대해서만 답변합니다. 수평 세그먼트의 시작 부분(또는 나머지 커브의 평균 경사에 비해 수평에 가까운 부분)이 가장 높은 울타리이고 이러한 세그먼트의 끝이 가장 낮은 나무입니다. 이 구간 자체에는 포인트가 없거나 매우 적기 때문에 무시할 수 있습니다.
목표는 시퀀스의 특성을 설명하는 예측자를 찾는 것입니다.
X도 변환했지만 여전히 거기에서 무엇을 보았는지, 그리고 원하는 범위를 선택하기 위해 좌표를 정의하는 프로세스를 자동화하는 방법을 이해하지 못합니다.
"완만한 그래프"가 시작되는 특정 좌표의 이름을 알려주실 수 있나요? 그리고 수평 그래프가 있었고 그 다음 날카로운 각도로 움직이는 것이 더 이상 중요하지 않습니까-첫 번째 완만한 그래프까지 또는 무엇일까요?
목표는 시퀀스의 특성을 설명하는 예측 변수를 찾는 것입니다.
첫 번째 그림에서 명백한 수평 그래프는 약 2.4에서 3 사이입니다.
예를 들어 지그재그 무릎 높이의 샘플 인 경우 첫 번째 수준의 고장에 진입하고 두 번째 수준에서 이익을 얻을 수있는 기회입니다.
예를 들어 차익 거래 기회의 수명에 대한 샘플 인 경우 첫 번째 수준까지 살아남은 샘플을 입력하는 것이 좋습니다.
이 곡선을 정확히 어떻게 사용할 수 있는지 생각할 힘, 시간 또는 욕구가 없습니다. 나는 이미 포럼에서 "공동 작업"이라는 아이디어에 반대한다고 여러 번 말씀 드렸습니다. 저는 개별 이론적 문제에 대한 피상적 인 토론에서만 이점을 봅니다.