faa1947: Il residuo del modello dovrebbe avere una varianza uguale a una costante, se possibile.
Se questo è davvero lo scopo dichiarato, allora dovreste riconsiderare le basi stesse. Ma mi sembra che lei sia di nuovo confuso - questa volta nella sua comprensione dello scopo della modellazione.
Non pensare che io stia cercando di prendertela con te qui. No, quello che vi suggerisco qui è che dovreste riconsiderare tutte le vostre azioni fin dall'inizio, a partire dalla definizione del problema e dagli obiettivi.
Se questo è davvero lo scopo dichiarato, allora dovreste riconsiderare le basi stesse. Ma mi sembra che lei sia di nuovo confuso - questa volta nella sua comprensione dello scopo della modellazione.
Non pensare che io stia cercando di prendertela con te. No, ti suggerisco di riconsiderare tutte le tue azioni dall'inizio, a partire dalla definizione del problema e dalla definizione dell'obiettivo.
Formularne un altro. Questo non è il mio obiettivo ed è chiaro - se la varianza del residuo è costante, allora non c'è incertezza nell'errore di previsione.
faa1947: Formularne un altro. Questo non è il mio obiettivo ed è chiaro - se la varianza del residuo è costante, allora non c'è incertezza nell'errore di previsione.
hmm... In realtà, l'obiettivo è di solito quello di minimizzare l'errore, non una costante qualsiasi. Inoltre, in questa formulazione del problema, la presenza di una costante "morta" indicherebbe un'inefficienza dell'algoritmo di minimizzazione o un errore nell'algoritmo stesso.
avtomat: hmm... In realtà, l'obiettivo è di solito quello di minimizzare l'errore, non una costante qualsiasi. Inoltre, in questa formulazione del problema, la presenza di una costante "morta" indicherebbe un'inefficienza dell'algoritmo di minimizzazione o un errore nell'algoritmo stesso.
La minimizzazione non risolve il problema. Il valore dell'errore di predizione è discutibile, poiché è l'errore sia della predizione corretta che di quella errata
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Non sono sicuro di quale sia esattamente l'obiettivo?
Tuttavia, questa innaturale "consistenza" dell'errore è anche allarmante.
Questo è un ideale innaturale: il rapporto tra il s.c.o. di un errore e il suo m.o. è troppo basso.
Il residuo del modello dovrebbe avere una varianza uguale a una costante, se possibile.
Se questo è davvero lo scopo dichiarato, allora dovreste riconsiderare le basi stesse. Ma mi sembra che lei sia di nuovo confuso - questa volta nella sua comprensione dello scopo della modellazione.
Non pensare che io stia cercando di prendertela con te qui. No, quello che vi suggerisco qui è che dovreste riconsiderare tutte le vostre azioni fin dall'inizio, a partire dalla definizione del problema e dagli obiettivi.
Se questo è davvero lo scopo dichiarato, allora dovreste riconsiderare le basi stesse. Ma mi sembra che lei sia di nuovo confuso - questa volta nella sua comprensione dello scopo della modellazione.
Non pensare che io stia cercando di prendertela con te. No, ti suggerisco di riconsiderare tutte le tue azioni dall'inizio, a partire dalla definizione del problema e dalla definizione dell'obiettivo.
questa volta già nella comprensione dello scopo della modellazione.
Cercando di. Inviato, ma l'idea è rimasta inascoltata. L'obiettivo è la prevedibilità del modello.
Formularne un altro. Questo non è il mio obiettivo ed è chiaro - se la varianza del residuo è costante, allora non c'è incertezza nell'errore di previsione.
hmm... In realtà, l'obiettivo è di solito quello di minimizzare l'errore, non una costante qualsiasi. Inoltre, in questa formulazione del problema, la presenza di una costante "morta" indicherebbe un'inefficienza dell'algoritmo di minimizzazione o un errore nell'algoritmo stesso.