지속적 또는 반영구적 증분도 rand일 수 있으므로 Hurst는 예측 가능성에 대해서도 언급하지 않습니다. 그리고 그것이 SB와 다른지 여부는 중요하지 않습니다. SB는 무작위성의 특별한 경우, "정상적인" 무작위성입니다. 일반적으로 배포 형식은 예측 가능성에 대해 아무 말도 하지 않습니다. 나는 거기에서 무엇을 찾아야 하는지 이해하지 못합니다.
주제에 계속됩니다. 여기에서 많은 사람들이 데이터 희석을 언급합니다. PCA 방법(주성분 방법) 이 있습니다. 치수 데이터 손실 최소화 정보 . 이 방법을 연구한 사람이 있습니까? 적용 가능성에 대한 결론이 있습니까? 나는 이 방법이 자산 선택을 희석시킨다는 것을 알고 있습니다. 그러나 차원을 잃지 않고 데이터 세트를 얇게 만드는지는 모르겠습니다.
내가 보기에 Thinning의 주요 문제는 차원 축소 입니다. 즉, 샘플이 다른 크기가 됩니다. 간단한 경우에 같은 대학 강사로부터 집합에서 요소를 버리지 말고, 예를 들어 인접 요소의 평균값으로 대체하라는 권장 사항이 있습니다. 최소한 간단한 접근 방식으로 이상치가 제거되는 방식입니다. 그러나 다른 접근법이 있으며 어떤 접근법이 설명되지 않는다는 경고와 함께. 따라서 데시메이션의 아이디어로서의 PCA는 잘 탐구될 수 있습니다.
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다. 방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환, 브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다. 거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다. Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다. 그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다. 방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환, 브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다. 거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다. Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다. 그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
Dreamer에는 PSA를 사용하여 포트폴리오를 구축하는 기사가 있습니다. 그러나 나중에 그는 모두에게 공장에 가라고 권했습니다. :)
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다. 방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환, 브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다. 거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다. Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다. 그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
최적화의 표준 접근 방식은 목표에 마이너스를 곱하는 것이고 최대화는 최소화로 바뀌고 그 반대도 마찬가지입니다.
오류가 가우스에 따라 분산되면 MLS == MLE라고 이미 설명하려고 했습니다. Laplace에 따라 오류가 분산되면 LSM!=MLE==최소 모듈 방법입니다. MLE==Huber 최소일 때 오류 분포 유형을 스스로 추정할 수 있습니다.
실험에서 오류 분포의 유형은 몇 가지 추가 고려 사항에 의해 알려지거나 경험적으로 선택됩니다(일반적으로 적절한 손실 함수의 형태로).
처음에는 작동하지 않은 것 같지만 이제는 작동합니다. :)
고맙습니다.
당신의 지식에 깊은 인상을 받았습니다. Forex에서 돈을 벌 수 있습니까? 개인 웹사이트가 있습니까? 돈을 관리합니까?
당신의 지식에 깊은 인상을 받았습니다. Forex에서 돈을 벌 수 있습니까? 개인 웹사이트가 있습니까? 당신은 돈을 관리합니까?
감사합니다. 하지만 지식은 그저 그렇습니다. 기본 사항일 뿐 어느 정도 확고합니다.
적립 - 언제. FX에서도 가끔)
혼자 일하기 때문에 팸과 신호가 없습니다 (이 방법이 좋습니다). 자본 측면에서 확장성이 뛰어난 시스템을 만드는 것은 혼자서는 거의 불가능하다고 확신합니다.
주제에 계속됩니다.
여기에서 많은 사람들이 데이터 희석을 언급합니다.
PCA 방법(주성분 방법) 이 있습니다. 치수 데이터 손실 최소화 정보 .
이 방법을 연구한 사람이 있습니까? 적용 가능성에 대한 결론이 있습니까?
나는 이 방법이 자산 선택을 희석시킨다는 것을 알고 있습니다. 그러나 차원을 잃지 않고 데이터 세트를 얇게 만드는지는 모르겠습니다.
내가 보기에 Thinning의 주요 문제는 차원 축소 입니다. 즉, 샘플이 다른 크기가 됩니다.
간단한 경우에 같은 대학 강사로부터 집합에서 요소를 버리지 말고, 예를 들어 인접 요소의 평균값으로 대체하라는 권장 사항이 있습니다.
최소한 간단한 접근 방식으로 이상치가 제거되는 방식입니다. 그러나 다른 접근법이 있으며 어떤 접근법이 설명되지 않는다는 경고와 함께.
따라서 데시메이션의 아이디어로서의 PCA는 잘 탐구될 수 있습니다.
PS Smart 사이트 링크, 유사한 주제에 대한 기사 찾기
오 어떻게))
쓸모없는 연습, 구성 요소는 사인 곡선이 아닌 경우 새 데이터에서 "점프"합니다.
즉, PSA는 하위 샘플에 피팅하는 방법이며, 더욱이 선형
이것은 패턴을 찾는 방법이 아닙니다
쓸모없는 연습, 구성 요소는 사인 곡선이 아닌 경우 새 데이터에서 "점프"합니다.
즉, PSA는 하위 샘플에 피팅하는 방법이며, 더욱이 선형
이것은 패턴을 찾는 방법이 아닙니다
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다.
방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환,
브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다.
거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다.
Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다.
그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
YouTube에서 계속됩니다.
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다.
방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환,
브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다.
거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다.
Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다.
그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
Dreamer에는 PSA를 사용하여 포트폴리오를 구축하는 기사가 있습니다. 그러나 나중에 그는 모두에게 공장에 가라고 권했습니다. :)
아무도 아무것도 이해하지 못했다는 사실 때문에 추천한 것이 아닐까요?
;))
아무도 아무것도 이해하지 못했다는 사실 때문에 추천한 것이 아닐까요?
;))
Maxim, 나는 아직이 방법을 탐구하지 않았으므로 아무 말도 할 수 없습니다.
방금 Mos가 주최한 녹화된 세미나를 보았습니다. 교환,
브로커와 괴짜 같은 모든 종류의 연구원은 어디에 있습니까? 작업, 프레젠테이션 등을 공유했습니다.
거기에서 이 방법이 추가 모델의 자산을 선택하는 데 사용된다고 들었습니다.
Chel은 이 방법이 효과가 있으며 어느 정도 증가함을 보여주었습니다.
솎아내기에 대한 적용에 관해서는, 이것이 아마도 작동하는 것이 아닌 아이디어로 생각이 스쳐지나간 방식입니다.
그러나 관심이 있는 사람들에게는 적용의 의미를 찾을 수 있습니다.
YouTube에서 계속됩니다.
그런 말 하지마, 형...