평균 위험 또는 경험적 위험의 개념이 도입되었습니다. 여기에는 사용 가능한 데이터에서 근사 함수의 편차 위험(LSM은 최소화)뿐만 아니라 과도한 수의 조정된 매개변수 또는 기능의 위험도 포함됩니다.
내가 기억하기로는 그의 또 다른 책인 1984년 "종속성 복구를 위한 알고리즘 및 프로그램"을 사용하여 Fortran의 책 텍스트에서 직접 구현을 작성할 수 있었습니다. 그는 다른 위치에서 점별로 정의된 함수를 가져왔고 대수 및 삼각 다항식으로 근사를 계산했으며 일반적으로 모든 함수의 혼합 조합을 사용했습니다. 나는 그의 알고리즘이 조정된 매개변수를 그대로 두는 데 드는 비용과 불필요한 매개변수의 수를 얼마나 정확하게 결정했는지 놀랐습니다. 나는 거의 모든 예에서 나 자신이 같은 숫자와 같은 것을 남겼을 것이라는 점에서 놀랐습니다.
이 발견을 하는 데 얼마나 걸립니까? :)
예를 들어, " 통화 분석 의 매트릭스"라는 주제와 같은 것을 열고 싶습니까?
예를 들어 "통화 분석의 매트릭스"라는 주제와 같은 것을 열고 싶습니까?
내 연구실은 충분합니다. 감사합니다.
그들 때문에 둘째 주에는 이틀에 한 번씩은 잠을 자야 한다.
내 연구실은 충분합니다. 감사합니다.
그들 때문에 나는 둘째 주에 이틀에 한 번 자야 한다.
퍼뜨려라. 재앙적으로 좋은 것은 거의 없습니다.
PS 물론, 당신은 확실히 쓰레기를 얻을 것입니다. 그러나 어느 시점부터 당신은 이것에 주의를 기울이지 않을 것입니다.
퍼뜨려라. 재앙적으로 좋은 것은 거의 없습니다.
추신 물론, 당신은 확실히 쓰레기를 얻을 것입니다. 그러나 어느 시점부터 당신은 이것에 주의를 기울이지 않을 것입니다.
)) 이것은 아마도 대학에 관한 것입니다 :)
기사와 관련하여 - 나는 알고리즘의 구현(또는 유사성)을 어딘가에서 보았습니다(저자들에 의해). 찾게되면 포스팅하겠습니다.
추신: 기사의 전체 텍스트가 없습니다. ((
누군가가 여전히 관심이 있다면 경제학 박사 학위 소개에 있는 기사의 두 번째 저자입니다(2006, Muravyov, Dmitry Georgievich, 경제학의 수학 및 도구적 방법, 논문 및 초록의 과학 라이브러리 disserCat http:// www.dissercat.com/content /matematicheskie-metody-razrabotki-i-otsenki-strategii-torgovli-na-mezhbankovskom-valyutnom-r?_openstat=cmVmZXJ1bi5jb207bm9kZTthZDE7#ixzz3vXr6iRi5 )
"이 논문에서 개발된 방법과 알고리즘은 V.N. Vapnik의 아이디어를 기반으로 하여 주어진 표본 크기에 대해 클래스에서 최고에 가까운 규칙을 일반 모집단에 대한 규칙의 품질 평가와 함께 검색합니다. 주어진 신뢰도."
Vapnik은 수십 년 동안 패턴 인식에 종사해 왔으며 위의 "규칙 찾기"와 관련하여 그는 아주 좋은 논문을 썼습니다.
Vapnik V. N. 경험적 데이터를 기반으로 한 종속성 복원 - M .: Nauka, 1979. - 448 p. http://www.machinelearning.ru/wiki/index.php?title=%D0%9F%D1%83%D0%B1%D0%BB%D0%B8%D0%BA%D0%B0%D1%86 %D0%B8%D1%8F:%D0%92%D0%B0%D0%BF%D0%BD%D0%B8%D0%BA_1979_%D0%92%D0%BE%D1%81%D1%81% D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B7%D0%B0%D0% B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9
평균 위험 또는 경험적 위험의 개념이 도입되었습니다. 여기에는 사용 가능한 데이터에서 근사 함수의 편차 위험(LSM은 최소화)뿐만 아니라 과도한 수의 조정된 매개변수 또는 기능의 위험도 포함됩니다.
내가 기억하기로는 그의 또 다른 책인 1984년 "종속성 복구를 위한 알고리즘 및 프로그램"을 사용하여 Fortran의 책 텍스트에서 직접 구현을 작성할 수 있었습니다. 그는 다른 위치에서 점별로 정의된 함수를 가져왔고 대수 및 삼각 다항식으로 근사를 계산했으며 일반적으로 모든 함수의 혼합 조합을 사용했습니다. 나는 그의 알고리즘이 조정된 매개변수를 그대로 두는 데 드는 비용과 불필요한 매개변수의 수를 얼마나 정확하게 결정했는지 놀랐습니다. 나는 거의 모든 예에서 나 자신이 같은 숫자와 같은 것을 남겼을 것이라는 점에서 놀랐습니다.