보다 구체적으로, 저는 특히 다변수 회귀에 관심이 있습니다. 비선형 회귀를 해결하기 위한 옵션을 살펴보는 것도 흥미롭습니다. MQL에서 다변수 회귀를 해결하기 위한 알고리즘을 찾지 못했습니다. 링크를 삭제하면 표시기의 이름(물론 너무 게으르지 않은 경우) - 괜찮을 것입니다!
학력이 부족해서 3시간 전에는 회귀, OLS, 정규분포가 뭔지도 몰랐는데...
여기 에서 MQL의 다변수 선형 회귀 구현을 볼 수 있습니다. 사실, 거기에서 자전거는 다변수 선형 회귀보다 더 완벽한 것으로 보입니다(비선형 회귀뿐만 아니라 어떤 것을 찾으려면 미분 방정식 시스템(목적 함수의 편도함수는 0과 동일)만 풀면 됩니다. )).
최소 제곱을 올바르게 이해했다면 이것은 단순히 목적 함수의 최소화, 즉 분산입니다. 목적 함수는 물론 다른 것을 정의할 수 있습니다. 예를 들어 편차 제곱의 합이 아니라 절대값의 합입니다. 다양한 목적함수의 효율성 분석에 대해서는 아직 익숙하지 않다.
수학적 패키지에 소프트웨어 구현이 정말 없습니까?
다음 질문은 "스크린샷은 어디에 있습니까?"입니다 :-).
Wikipedia, Quantile regression 을 살펴보면 stat 패키지에 대한 링크가 있습니다.
또는 위의 링크. 그러나 러시아어에서는 거의 아무것도 찾을 수 없습니다.
나는 천천히 프로그램을 시작하기로 결정했습니다. 다시 질문을 던집니다.
선형 프로그래밍의 구현, 최악의 경우 심플렉스를 찾을 수 있는 곳 을 누가 알 수 있습니까? 대학에서 누군가의 친구 / 지인이 탐닉했을 수도 있습니다 :) 음, 고르기에는 너무 게으른 UZHOS입니다 :)
보다 구체적으로, 저는 특히 다변수 회귀에 관심이 있습니다. 비선형 회귀를 해결하기 위한 옵션을 살펴보는 것도 흥미롭습니다. MQL에서 다변수 회귀를 해결하기 위한 알고리즘을 찾지 못했습니다. 링크를 삭제하면 표시기의 이름(물론 너무 게으르지 않은 경우) - 괜찮을 것입니다!
학력이 부족해서 3시간 전에는 회귀, OLS, 정규분포가 뭔지도 몰랐는데...
여기 에서 MQL의 다변수 선형 회귀 구현을 볼 수 있습니다. 사실, 거기에서 자전거는 다변수 선형 회귀보다 더 완벽한 것으로 보입니다(비선형 회귀뿐만 아니라 어떤 것을 찾으려면 미분 방정식 시스템(목적 함수의 편도함수는 0과 동일)만 풀면 됩니다. )).
최소 제곱을 올바르게 이해했다면 이것은 단순히 목적 함수의 최소화, 즉 분산입니다. 목적 함수는 물론 다른 것을 정의할 수 있습니다. 예를 들어 편차 제곱의 합이 아니라 절대값의 합입니다. 다양한 목적함수의 효율성 분석에 대해서는 아직 익숙하지 않다.
선형 프로그래밍, 최악의 경우 심플렉스 구현을 찾을 수 있는 위치를 아는 사람, 하지만 이것이 더 나은가요 저것 이 더 나은가요 ??? 대학에서 누군가의 친구/지인이 탐닉했을 수도 있습니다.
....
선형 프로그래밍의 구현, 최악의 경우 심플렉스를 찾을 수 있는 곳 을 누가 알 수 있습니까? 대학에서 누군가의 친구 / 지인이 탐닉했을 수도 있습니다 :) 음, 고르기에는 너무 게으른 UZHOS입니다 :)
다음은 MQL에서 즉시 구현할 수 있도록 단순성, 명확성 및 명확성으로 구별되는 무조건적 최소화의 수치적 방법 구현의 예에 대한 링크입니다.
좋아. 그러나 이것은 선형 문제에 국한되기 때문에 이것은 명백히 단순 문제입니다. 나는 열거의 복잡성과 관련된 문제를 예상합니다.
하강과 관련하여 - 매끄럽지 않은 기능에서도 작동합니까?
좋아. 그러나 이것은 선형 문제에 국한되기 때문에 이것은 명백히 단순 문제입니다. 나는 열거의 복잡성과 관련된 문제를 예상합니다.
하강과 관련하여 - 매끄럽지 않은 기능에서도 작동합니까?
저는 이론가가 아니라 실천가입니다. 나는 일반적으로 문제를 해결할 수 없습니다. 문제의 조건?
목적 함수의 명확한 공식화에 도달하면 솔루션을 찾는 데 적합한 작업 방법을 찾는 것이 더 쉬울 것입니다.
저는 이론가가 아니라 실천가입니다. 나는 일반적으로 문제를 해결할 수 없습니다. 문제의 조건?
목적 함수의 명확한 공식화에 도달하면 솔루션을 찾는 데 적합한 작업 방법을 찾는 것이 더 쉬울 것입니다.
모든 것이 이미 형식화되어 있으므로 러시아어로 된 링크를 읽으십시오(3페이지의 첫 번째). 분위수 회귀 문제는 선형 계획법 문제로 축소됩니다. 선형 제약 조건에서 선형 함수 의 최소값을 찾는 것 입니다.
저는 여기에서 경사 하강법이 심플렉스 방법보다 더 나쁘게 작동할 것이라고 생각했습니다. deg-t - 더 일반적입니다. 다른 조건이 동일하다면 반복 횟수는 확실히 적습니다.
원칙적으로 이 기사는 반복 횟수를 줄이는 방법에 대한 힌트를 제공합니다. 그래서 지금은 "최적화된" 심플렉스를 작성할 것입니다. 계산 제한에 부딪히면 더 생각해볼 것입니다 :))))))