이것은 아주 오래된 버전이며 사용하지 않는 것이 낫다는 Wizard의 의견에 100% 동의합니다. 모델을 재학습하고, 마지막에 outofsample 데이터에 대한 정확도 추정치를 보여주더라도 오류를 표시하여 크게 과대평가합니다. 이 포럼 스레드에 교육 후 정보의 모델이 새 데이터에 대해 90% 미만의 정확도를 보여주었으며 이 데이터를 결과 공식에 대입하고 최소한 Excel에서 공식을 사용하여 결과를 계산한 예를 게시했습니다. 완전히 무작위였고 정확도는 50%에 불과했습니다.
그런 다음 Yuri는 이를 염두에 두고 여러 모델로 구성된 위원회를 추가하고 속도를 높이고 모든 것을 jPrediction이라고 부르며 이 모델을 위한 사이트를 특별히 만들었습니다. 사이트를 더 이상 사용할 수 없습니다. Michael에게 최신 버전과 소스를 요청하십시오. IMHO, 이 모델은 괜찮았지만 작업 속도가 느리기 때문에 R에 훨씬 더 생산적인 것들이 있습니다.
이것은 아주 오래된 버전이며 사용하지 않는 것이 낫다는 Wizard의 의견에 100% 동의합니다. 모델을 재학습하고, 마지막에 outofsample 데이터에 대한 정확도 추정치를 보여주더라도 오류를 표시하여 크게 과대평가합니다. 나는 훈련 후 정보의 모델이 새로운 데이터에 대해 90% 미만의 정확도를 보여주고 이 데이터를 결과 공식에 대입하고 공식을 사용하여 결과를 계산하는 예를 이 포럼 스레드에 게시했습니다. 적어도 Excel에서는 예측, 완전히 무작위였고 정확도는 50%에 불과했습니다.
그런 다음 Yuri는 이를 염두에 두고 여러 모델로 구성된 위원회를 추가하고 속도를 높이고 모든 것을 jPrediction이라고 부르며 이 모델을 위한 사이트를 특별히 만들었습니다. 사이트를 더 이상 사용할 수 없습니다. Michael에게 최신 버전과 소스를 요청하십시오. IMHO, 이 모델은 괜찮았지만 작업 속도가 느리기 때문에 R에 훨씬 더 생산적인 것들이 있습니다.
그때 무슨 소리를 하는 겁니까? 바보 같지 않습니다. 마법사는 농담을 할 때도 항상 요점을 씁니다.))) 딸랑이를 버리고 시간을 낭비하지 마십시오. 악기와 가능한 조합은 어제 발표되었습니다. Mishek에 시간을 낭비하지 마십시오. 그는 한 가지가 다른 것을 의미한다고 씁니다. 그리고 oos에 대한 컷은 세 번째입니다 ...
아니요. Reshetov는 잘 알려진 공식에 따라 정규화를 엄격하게 꿰매는 것이 불가능하다는 것을 이해하지 못했습니다. 했어야 했다 스위치를 끕니다. 무작위 고장도 의심 스럽습니다. 글쎄요, 최소한 플래그를 붙일 필요가 있었지만 끄는 것이 좋습니다 등 ...
그리고 예, 나는 또한 고장에 대해 썼습니다. 따라서 일반 데이터의 경우 괜찮지만 특히 Forex의 경우 일종의 워크 포워드를 수행해야 했습니다. 또는 최소한 시간에 따라 두 부분으로 나눕니다. 특정 날짜까지 훈련하고 날짜 이후에 테스트하십시오.
정규화에 무슨 문제가 있습니까? 뉴런인 IMHO의 경우 입력 범위가 중요하지 않으며 올바르게 초기화된 가중치는 모든 것을 소화합니다. 정규화는 방해가 되지 않지만 그다지 도움이 되지도 않습니다. 직관에 따르면 입력에 양수와 음수가 포함되어 있으면 0을 이동하지 않는 것이 좋습니다. 그리고 R은 예측 변수를 0-1이 아니라 sd(x) = 1이 되도록 스케일링해야 한다고 말합니다.
빙글빙글 도는 것....... 구체적으로 말해서, 예를 들어 ... 그러면 대화를 계속할 수 있지만, 그래서 ....
예, 그는 실수로 생각하고 Reshetov에게 그것에 대해 이야기 한 무언가를 발견하면 논쟁의 여지가 없습니다. 그리고 그는 이것을 실수로 인식하지 못했습니다. 즉, 주장이 약하거나 잘못되었음을 의미합니다. 여기는 조용합니다.
스튜디오에서 논쟁!
Mishek, 왜 침묵합니까? 오빠를 응원해
왜 여기에서 꽥꽥거리는거야, 사건에 뭔가 있어? 사람들이 흥미로운 일을 하고 있다
좋은 말을 쓰다
https://sites.google.com/site/libvmr/
이것은 아주 오래된 버전이며 사용하지 않는 것이 낫다는 Wizard의 의견에 100% 동의합니다. 모델을 재학습하고, 마지막에 outofsample 데이터에 대한 정확도 추정치를 보여주더라도 오류를 표시하여 크게 과대평가합니다. 이 포럼 스레드에 교육 후 정보의 모델이 새 데이터에 대해 90% 미만의 정확도를 보여주었으며 이 데이터를 결과 공식에 대입하고 최소한 Excel에서 공식을 사용하여 결과를 계산한 예를 게시했습니다. 완전히 무작위였고 정확도는 50%에 불과했습니다.
그런 다음 Yuri는 이를 염두에 두고 여러 모델로 구성된 위원회를 추가하고 속도를 높이고 모든 것을 jPrediction이라고 부르며 이 모델을 위한 사이트를 특별히 만들었습니다. 사이트를 더 이상 사용할 수 없습니다. Michael에게 최신 버전과 소스를 요청하십시오.
IMHO, 이 모델은 괜찮았지만 작업 속도가 느리기 때문에 R에 훨씬 더 생산적인 것들이 있습니다.
이것은 아주 오래된 버전이며 사용하지 않는 것이 낫다는 Wizard의 의견에 100% 동의합니다. 모델을 재학습하고, 마지막에 outofsample 데이터에 대한 정확도 추정치를 보여주더라도 오류를 표시하여 크게 과대평가합니다. 나는 훈련 후 정보의 모델이 새로운 데이터에 대해 90% 미만의 정확도를 보여주고 이 데이터를 결과 공식에 대입하고 공식을 사용하여 결과를 계산하는 예를 이 포럼 스레드에 게시했습니다. 적어도 Excel에서는 예측, 완전히 무작위였고 정확도는 50%에 불과했습니다.
그런 다음 Yuri는 이를 염두에 두고 여러 모델로 구성된 위원회를 추가하고 속도를 높이고 모든 것을 jPrediction이라고 부르며 이 모델을 위한 사이트를 특별히 만들었습니다. 사이트를 더 이상 사용할 수 없습니다. Michael에게 최신 버전과 소스를 요청하십시오.
IMHO, 이 모델은 괜찮았지만 작업 속도가 느리기 때문에 R에 훨씬 더 생산적인 것들이 있습니다.
그때 무슨 소리를 하는 겁니까? 바보 같지 않습니다. 마법사는 농담을 할 때도 항상 요점을 씁니다.)))
딸랑이를 버리고 시간을 낭비하지 마십시오. 악기와 가능한 조합은 어제 발표되었습니다.
Mishek에 시간을 낭비하지 마십시오. 그는 한 가지가 다른 것을 의미한다고 씁니다. 그리고 oos에 대한 컷은 세 번째입니다 ...
예 속삭입니다 ..) 다른 메시지를 찾지 못했고 중재자가 뭔가를 삭제했습니다.
난 괜찮아 .. 난 그냥 오랫동안 떠나지 않았다 ....
과연, 구글 웹사이트에 설명되어 있는 것은 구버전 .... 하지만 !!!!!!!
JPrediction이 재학습되고 제대로 작동하지 않는다는 것을 증명하는 것이 합리적인 것이라면 실험을 해보자. 결국 모든 것이 비교되어 알려져 있습니다. 그게 바로 제가 하고 싶었던 일입니다.
데이터 세트가 있다고 가정하고 훈련하고 이 모델이 얼마 동안 작동하도록 한 다음 결과를 살펴보겠습니다...
나는 JPrediction에서 데이터 세트를 훈련하고 AI에서 동일한 데이터 세트를 훈련하고 간격을 선택하고 어떤 모델이 더 오래 그리고 더 잘 작동하는지 확인합니다.....
이것이 내가 당신에게 AI에 대한 내 데이터 파일을 훈련하도록 요청했을 때 정확히 말하고 싶었던 것입니다.
그래서 .... 예측자가 재교육되었다고 모두가 결정한 기준이 명확하지 않습니다 ???? 그걸 어디서 얻었어, 마법사. 옵티마이저가 작동하지 않는다는 구체적인 증거가 있습니까???? 있다???? 예를 들어.....
같은 방식으로 데이터 세트를 훈련하면 어떤 모델이 더 잘 작동하는지 직접 확인할 수 있습니다. 당신이 훈련 한 것 또는 옵티마이저의 도움으로 내가 훈련 한 것 ....
아니요. Reshetov는 잘 알려진 공식에 따라 정규화를 엄격하게 꿰매는 것이 불가능하다는 것을 이해하지 못했습니다. 했어야 했다
스위치를 끕니다. 무작위 고장도 의심 스럽습니다. 글쎄요, 최소한 플래그를 붙일 필요가 있었지만 끄는 것이 좋습니다 등 ...
그리고 예, 나는 또한 고장에 대해 썼습니다. 따라서 일반 데이터의 경우 괜찮지만 특히 Forex의 경우 일종의 워크 포워드를 수행해야 했습니다. 또는 최소한 시간에 따라 두 부분으로 나눕니다. 특정 날짜까지 훈련하고 날짜 이후에 테스트하십시오.
정규화에 무슨 문제가 있습니까? 뉴런인 IMHO의 경우 입력 범위가 중요하지 않으며 올바르게 초기화된 가중치는 모든 것을 소화합니다. 정규화는 방해가 되지 않지만 그다지 도움이 되지도 않습니다.
직관에 따르면 입력에 양수와 음수가 포함되어 있으면 0을 이동하지 않는 것이 좋습니다. 그리고 R은 예측 변수를 0-1이 아니라 sd(x) = 1이 되도록 스케일링해야 한다고 말합니다.
아니요. Reshetov는 잘 알려진 공식에 따라 정규화를 엄격하게 꿰매는 것이 불가능하다는 것을 이해하지 못했습니다. 했어야 했다
스위치를 끕니다. 무작위 고장도 의심 스럽습니다. 글쎄요, 최소한 플래그를 붙일 필요가 있었지만 끄는 것이 좋습니다 등 ...
무작위 고장에 관해서는 논쟁할 준비가 되어 있습니다.
AI로 예측할 때 YES, 데이터 시퀀스는 과거부터 미래까지 중요합니다. 우리는 예측을 하고 있습니다.
그리고 분류와 관련하여 데이터 시퀀스는 전혀 역할을 하지 않습니다. 왜냐하면 우리는 분할해야 하는 영역이 있고 발견된 법칙이 더 오랜 시간 동안 작동하기를 희망하면서 가장 잘 할 바로 그 초평면을 찾기 때문입니다.
예측 모델을 만들 때 발견한 법칙처럼.......
설명이 모델이 학습하기 쉬운 예제를 버리고 가장 배우기 어려운 예제를 의도적으로 학습한다는 것을 보여주고 있다는 사실은 말할 것도 없습니다. 글쎄, 이것이 내가 ... 설명에서 빼는 방법입니다 .... 내가 올바르게 이해했다면 ...
거기에서 샘플을 훈련과 테스트로 나누면 가장 가까운 두 값이 서로 다른 샘플에 빠지는 것처럼 이루어진다. 내가 이해하는 바에 따르면 두 개의 동일한 벡터가 있는 경우 하나는 훈련용으로, 다른 하나는 테스트용으로 ... 이와 같은 것입니다.