Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели в МГУА понимается число параметров. Для порождения используется [базовая модель], подмножество элементов которой должно входить в искомую модель. Для выбора моделей...
啊，所以我们谈论的是网络性能在训练和测试中的差异？
一定会有损失--这是没办法的事
有两种测试，内部测试是指选择数据集的一部分进行验证，通常是0,2，外部测试是指只取神经没有看到的一块。第二种的结果是一个真正的市场，如果不是，那么就有一个错误。
我不得不让你失望，但事实上你的'测试到测试'是可教的样本的一部分。
吐出它
我不会的。准备拯救一个人，他现在正用头撞墙，试图解决另一个具体问题。我经历过，我给出的信息可以节省一个月在黑暗中徘徊的时间。
好吧，说说你的 "信息"。
好吧，说说你的 "信息"。
只是对公众的推测是在Telegram频道，你可以在那里追踪工作的历史。在这里，我想说的是实质性的。
好吧，把话说出来。
有人使用过内置的Python脚本和Python的Metatrader5 库吗？
到目前为止，它的工作速度非常快。我将把它与数据库连接起来，我以后会看到。
有两个测试，内部测试时，数据集的一部分被检查出来，通常是0,2，外部测试时，只是取了神经没有看到的一部分。第二种的结果是真实的市场，如果不是这样，那么就有一个错误。
尤金 下午好，非常感谢你，至少你是一个实践者，而不是另一个有95%.... 的擦边球者。就GMDH 而言，你所做的（在 "第三个 "样本上测试）被称为 "预测能力标准"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune。
让我们提醒一下，关于GMDH的第一个出版物是从1960年开始的，那些"你的诀窍 " 的想法与"第三 "样本 的测试已经有 60年的历史了））））。
但我想指出，这种方法永远不会过时，所以我强烈建议阅读A.G. Ivakhnenko的 作品。
例如，MSUA回归只是嘲笑现代随机森林算法的回归和各种提升......
现在关于Telegram上的链接...我在那里除了信号之外什么也没发现，但读到你的方法和你的思维方式是很有趣的，德米特里 正确地说，应该在这里发表，尽管是以公开的粗野形式......
尤金 下午好，非常感谢你，至少你是一个实践者，而不是另一个有95%.... 的擦边球者。就GMDH 而言，你所做的（在 "第三个 "样本上测试）被称为 "预测能力标准"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune
让我们提醒一下，关于GMDH的第一个出版物是从1960年开始的，那些"你的诀窍 " 的想法与"第三 "样本 的测试已经有 60年的历史了））））。
但我想指出，这种方法永远不会过时，所以我强烈建议阅读A.G. Ivakhnenko的 作品。
例如，MSUA回归只是嘲笑现代随机森林算法的回归和各种提升......
现在关于Telegram上的链接...除了信号，我在那里没有找到任何东西，但读到你的方法和思维方式是很有趣的。德米特里 正确地说，有必要在这里发表，尽管是以公开的粗野形式......
JPrediction使用伊瓦赫年科的分组论证方法。Reshetov Yu.不止一次提到......该方法本身在机时上是很耗时的，因为它对数据进行了彻底的震荡，而且不需要大量的样本来适应当前的实际情况。
谁不相信我，就让他们去查吧 :-)