Equação de regressão - página 16
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Quanto tempo você levou para fazer esta descoberta? :)
Por exemplo, você não quer abrir algo como "matrizes na análise de moedas"?
Por exemplo, por acaso você quer começar algo como "matrizes na análise de moedas"?
Já estou farto dos meus laboratórios, obrigado.
Eles me fizeram dormir dia sim, dia não, pela segunda semana consecutiva.
Já estou farto dos meus laboratórios, obrigado.
Eles me fizeram dormir todas as noites pela segunda semana.
Desembucha. Há uma falta catastrófica de coisas boas.
P.S. É claro que você está fadado a fazer cocô. Mas você vai deixar de prestar atenção em algum momento.
Desembucha. Há catastroficamente pouco que seja útil.
P.S. É claro que você está fadado a fazer cocô. Mas você vai deixar de prestar atenção a isso em algum momento.
)) Então é provavelmente sobre a universidade :)
Com relação ao artigo - vi em algum lugar uma implementação (ou similar) do algoritmo (por estes autores). Assim que o encontrar, eu o afixarei.
P.S. Eu não tenho o artigo completo. ((
Se alguém ainda tiver interesse, o segundo autor do artigo na introdução a seu PhD em Economia (2006, Muravyev, Dmitry Georgievich, Métodos Matemáticos e Instrumentais em Economia, Biblioteca Científica de Dissertações e Dissertação de Dissertação do AutorCat http://www.dissercat.com/content/matematicheskie-metody-razrabotki-i-otsenki-strategii-torgovli-na-mezhbankovskom-valyutnom-r?_openstat=cmVmZXJ1bi5jb207bm9kZTthZDE7#ixzz3vXr6iRi5) nota:
"Os métodos e algoritmos desenvolvidos neste trabalho são baseados nas idéias de V.N. Vapnik de encontrar uma regra próxima da melhor na classe para um determinado tamanho de amostra com estimativa da qualidade da regra sobre a população em geral com uma dada confiabilidade".
Vapnik está envolvido no reconhecimento de padrões há décadas, e como aplicado ao dito "achado de regras" ele escreveu uma monografia muito boa
Vapnik V. N. Reconstructing Dependencies from Empirical Data.-Moscow: 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
É introduzida a noção de risco médio, ou risco empírico, que inclui não apenas o risco de desvio da função aproximada dos dados disponíveis (é minimizado pelo OLS), mas também o risco de número excessivo de parâmetros ou funções ajustadas.
Utilizei, se bem me lembro, seu outro livro, 1984, Algoritmos e Programas de Recuperação de Dependência, que me permitiu escrever uma implementação diretamente do texto do livro na Fortran. Tomei de diferentes lugares funções definidas a partir de pontos diferentes, calculando aproximações por polinômios algébricos e trigonométricos, combinações mistas de quaisquer funções. Fiquei surpreso com a precisão com que seus algoritmos determinaram quantos parâmetros manter e quantos serão desnecessários. Fiquei surpreso no sentido de que, em quase todos os exemplos, eu mesmo deixaria a mesma quantidade e os mesmos parâmetros.