그들이 어떻게 말하는지 봐!!!! 가지를 키울 가치가 있었다 ..... 아니 이미 모든 것을 스스로 결정했습니다. 생각만큼 순조롭게 진행되지 않습니다. 글쎄요 지금 시장이 이렇습니다..... 세계사정으로 불확실성 과대평가 ....안정성이 없어서 거의 하루 이틀만에 다시 해야하는데 아직 안정화를 기다리고 있습니다 로드 모드에서 상황을 파악하고 작업을 계속하십시오 ....
jPrediction에서 모델의 복잡성은 예측자의 수가 점진적으로 증가함을 의미합니다. 실제로 jPrediction에서 은닉층의 뉴런 수는 2^(2*n+1)이며, 여기서 n은 예측자의 수입니다. 따라서 예측자의 수가 증가할수록 모델의 복잡도(은닉층의 뉴런의 수)가 증가한다. 따라서 모델의 복잡성을 점차적으로 증가시키면 jPrediction은 조만간 값 M에 도달할 것이며, 그 후에 모델의 추가 복잡성은 일반화 능력의 추가 감소로 이어질 것입니다(일반화 능력의 오류 증가).
나는 뉴런의 수에 대한 Reshetov의 메시지를 보았습니다. 10개의 예측 변수가 있는 경우 2^21 = 2097152개의 뉴런을 얻습니다. 너무 많은 것 아닙니까? 3개의 예측 변수에 대해서도 128개의 뉴런이 있습니다...
캐럿에서 가장 똑똑한 예측 변수 선택: gafs - 유전적 방식으로 예측 변수를 선택합니다. rfe - 역 예측 변수 선택(가장 빠름); safs - 예측 변수 선택의 시뮬레이션된 견고성(어닐링) - 가장 효율적입니다.
12*6400 매트릭스에서 rfe를 시도했습니다. 기본 매개변수(크기 = 2^(2:4))로 약 10시간 동안 계산하고 기다리지 않고 껐습니다. 결함이라고 생각하고 다시 크기 = ncol(x)로 다시 시작했습니다. 이미 한 시간 동안 계산 중이었습니다. rfe가 가장 빠른 경우 다른 사람들은 얼마나 기다려야 합니까? 이전에 테스트한 패키지는 동일한 데이터에서 5분 이상 작동하지 않았습니다. 같은 시간 동안 계산했습니까?
업데이트: 크기가 ncol(x)인 두 번째 실행은 2.5 - 3시간 만에 계산을 완료했으며 결과는 3-5분 안에 동일한 데이터를 처리하는 배치에 가깝습니다. rfeControl = rfeControl(number = 1,repeats = 1) 설정 - 시간을 10-15분으로 단축, 변경 - 예측 변수 2쌍이 바뀌었지만 일반적으로 비슷합니다.
12*6400 매트릭스에서 rfe를 시도했습니다. 기본 매개변수(크기 = 2^(2:4))로 약 10시간 동안 계산하고 기다리지 않고 껐습니다. 결함이라고 생각하고 다시 크기 = ncol(x)로 다시 시작했습니다. 이미 한 시간 동안 계산 중이었습니다. rfe가 가장 빠른 경우 다른 사람들은 얼마나 기다려야 합니까? 이전에 테스트한 패키지는 동일한 데이터에서 5분 이상 작동하지 않았습니다. 같은 시간 동안 계산했습니까?
업데이트: 크기가 ncol(x)인 두 번째 실행은 2.5 - 3시간 만에 계산을 완료했으며 결과는 3-5분 안에 동일한 데이터를 처리하는 배치에 가깝습니다.
정확히는 기억나지 않지만 오래전 일이지만 당신과 같은 열정은 내 기억에 남아 있지 않습니다
매트릭스는 나에게 정상입니다.
하지만
대상 - 수업은 몇 개입니까? 나는 항상 두 개의 수업을 가지고있다.
저는 항상 XEON 1620의 모든 코어를 로드하며 주파수에서 아날로그보다 20% 더 빠르게 실행됩니다.
몇 학년?
일반적으로 컴퓨터에 최대 하루를 로드하는 것은 매우 조심해야 합니다. 알고리즘이 하는 일을 이해해야 합니다.
그리고 그 중 몇 개? 더 빨리 할 수있는 방법이 있습니다 .. 유전학 .. 또한 그들을 ns로 몰아 ..
휴리스틱 검색
그리고 무엇이 필요합니까? 결국, 가장 간단한 흐름을 얻기 위해 여전히 p = 0.5인 지수로 처리합니다.
예를 들어 Erlang k = 4와 같은 틱 흐름을 식별했다면 Cauchy를 버리면 왜 그것을 지수로 다시 따라야 합니까? 언제 Erlang k=5 등으로 바로 갈 수 있습니까? 틱 사이에 더 많은 간격을 정렬하고 먼저 혼동하고 정렬하지 않습니까?
예측 변수의 조합을 반복하는 것이 가장 안전할 것입니다. 근데 엄청 길다
jPrediction에서 모델의 복잡성은 예측자의 수가 점진적으로 증가함을 의미합니다. 실제로 jPrediction에서 은닉층의 뉴런 수는 2^(2*n+1)이며, 여기서 n은 예측자의 수입니다. 따라서 예측자의 수가 증가할수록 모델의 복잡도(은닉층의 뉴런의 수)가 증가한다. 따라서 모델의 복잡성을 점차적으로 증가시키면 jPrediction은 조만간 값 M에 도달할 것이며, 그 후에 모델의 추가 복잡성은 일반화 능력의 추가 감소로 이어질 것입니다(일반화 능력의 오류 증가).
나는 뉴런의 수에 대한 Reshetov의 메시지를 보았습니다.
10개의 예측 변수가 있는 경우 2^21 = 2097152개의 뉴런을 얻습니다.
너무 많은 것 아닙니까?
3개의 예측 변수에 대해서도 128개의 뉴런이 있습니다...
나는 뉴런의 수에 대한 Reshetov의 메시지를 보았습니다.
10개의 예측 변수가 있는 경우 2^21 = 2097152개의 뉴런을 얻습니다.
너무 많은 것 아닙니까?
3개의 예측 변수에 대해서도 128개의 뉴런이 있습니다...
N = 2^i − 1
10개의 입력에 대한 1023개의 뉴런이 이미 더 좋습니다.
그러나 기사로 판단하면 실제로는 훨씬 적게 사용됩니다(예: n=sqrt(# 입력 * # 출력))
분명히 N = 2^i − 1 - 정확한 암기의 경우, 일반화의 경우 더 적은 수식을 사용합니다.
캐럿에서 가장 똑똑한 예측 변수 선택: gafs - 유전적 방식으로 예측 변수를 선택합니다. rfe - 역 예측 변수 선택(가장 빠름); safs - 예측 변수 선택의 시뮬레이션된 견고성(어닐링) - 가장 효율적입니다.
12*6400 매트릭스에서 rfe를 시도했습니다. 기본 매개변수(크기 = 2^(2:4))로 약 10시간 동안 계산하고 기다리지 않고 껐습니다. 결함이라고 생각하고 다시 크기 = ncol(x)로 다시 시작했습니다. 이미 한 시간 동안 계산 중이었습니다.
업데이트: 크기가 ncol(x)인 두 번째 실행은 2.5 - 3시간 만에 계산을 완료했으며 결과는 3-5분 안에 동일한 데이터를 처리하는 배치에 가깝습니다.rfe가 가장 빠른 경우 다른 사람들은 얼마나 기다려야 합니까?
이전에 테스트한 패키지는 동일한 데이터에서 5분 이상 작동하지 않았습니다.
같은 시간 동안 계산했습니까?
rfeControl = rfeControl(number = 1,repeats = 1) 설정 - 시간을 10-15분으로 단축, 변경 - 예측 변수 2쌍이 바뀌었지만 일반적으로 비슷합니다.
12*6400 매트릭스에서 rfe를 시도했습니다. 기본 매개변수(크기 = 2^(2:4))로 약 10시간 동안 계산하고 기다리지 않고 껐습니다. 결함이라고 생각하고 다시 크기 = ncol(x)로 다시 시작했습니다. 이미 한 시간 동안 계산 중이었습니다.
업데이트: 크기가 ncol(x)인 두 번째 실행은 2.5 - 3시간 만에 계산을 완료했으며 결과는 3-5분 안에 동일한 데이터를 처리하는 배치에 가깝습니다.rfe가 가장 빠른 경우 다른 사람들은 얼마나 기다려야 합니까?
이전에 테스트한 패키지는 동일한 데이터에서 5분 이상 작동하지 않았습니다.
같은 시간 동안 계산했습니까?
정확히는 기억나지 않지만 오래전 일이지만 당신과 같은 열정은 내 기억에 남아 있지 않습니다
매트릭스는 나에게 정상입니다.
하지만
정확히는 기억나지 않지만 오래전 일이지만 당신과 같은 열정은 내 기억에 남아 있지 않습니다
매트릭스는 나에게 정상입니다.
하지만
2개 수업
코어 1개 로드됨
rfeControl = rfeControl(number = 1,repeats = 1) 설정 - 시간을 10-15분으로 줄였습니다. 결과 변경 - 2쌍의 예측 변수가 위치를 변경했지만 일반적으로 기본적으로 원래대로 보입니다.