交易中的机器学习：理论、模型、实践和算法交易 - 页 3340 1...333333343335333633373338333933403341334233433344334533463347...3399 新评论 Maxim Dmitrievsky 2023.11.27 11:19 #33391 Lorarica #:我建议我们回到 kozul、统计学习和可靠的人工智能上来。P.Z.弄清其中的细节 如果要直接了解细节，请阅读以下内容 СанСаныч Фоменко 2023.11.27 15:14 #33392 这是一本为无耻和肆无忌惮树碑立传的好书！ 最重要的是挂起你的盘子和乌鸦--你会发现一些傻瓜（或许是非常精于算计的人），他们会上当受骗，不理解或意识不到所介绍的一切都是数学统计 工具中众所周知的。 统计学已有几千年的历史。发展和丰富数理统计，观察我们周围的随机过程，试图回答以下问题； 1.这些随机过程的特点是什么？ 2.这些随机过程的原因 是什么？ 3.这些随机过程的未来是什么？ 现在，有些聪明人开始高喊 "因果推断"，一本正经地解释这个创新术语的含义，并开始以线性回归为例，通俗地介绍回归分析的基础知识。 这简直让人匪夷所思！ 而这个用于古老条款的新表格正在滚动！ 如今，在 R 语言（唯一一种结构严谨、文档齐全的统计语言）中，有 1 万多个软件包和 12 万多个函数，它们都是回答上述问题的工具，其中之一就是找出前因后果。 我们为什么需要新的板块？这样，聪明人就可以套现，而不会被问到关于是否受过基础教育的愚蠢问题。 Maxim Dmitrievsky 2023.11.27 15:39 #33393 好吧，那就回答一个最简单的问题：既然你什么都知道，那么联想联系与因果联系有何不同？然后我们再决定该为谁树碑立传，是无耻还是羞耻:)我问你，找出因果关系不是因果结论吗？:)那么，这种肾上腺素飙升与哪些具体的误解问题有关？你觉得受到了什么威胁？ СанСаныч Фоменко 2023.11.27 17:06 #33394 Maxim Dmitrievsky #: 那么，请回答一个最简单的问题：既然你什么都知道，那么联想联系与因果联系有何不同？然后我们就可以决定该为谁树碑立传了：) 我问你，找出因果关系不是因果推论吗？:) 那么，这种肾上腺素激增与什么具体的误解问题有关？你觉得受到了什么威胁？ 你的 "因果推论在本书第一节中以线性回归为例进行了说明：书中所写的一切都是教给学生的，还有很多作者不屑于说明的东西，比如，顺便说一下线性回归的适用范围，这才是最重要的。 所以，不要躲在问题后面。 让我们说点实质性的。 书中哪一章没有使用统计学中已知的工具（可用 R）？ 不要谈论元学生--那是模型的集合，也是一个有胡子的想法。 Maxim Dmitrievsky 2023.11.27 17:08 #33395 СанСаныч Фоменко #:您的 "因果推论在本书第一节中以线性回归为例进行了说明：书中所写的一切都是教给学生的，还有很多其他东西作者都懒得说明，比如，顺便说一下线性回归的适用范围，这是最重要的一点。所以，不要躲在问题后面。 让我们直奔主题。书中哪一章没有使用统计学中已知的工具（可用 R）？不要谈论元学生--那是一个模型集合，也是一个有胡子的想法。让我们直奔主题：关联关系和因果关系有什么区别？作者不厌其烦地说明了线性回归的适用范围。减分点。元学习者不是模型的集合，减一分。 你还不同意书中的哪一部分，或者说，你对书中还有哪些地方不理解？ Maxim Dmitrievsky 2023.11.27 17:28 #33396 毕竟，你没有被谷歌禁言，对吧？ 你能读懂统计推断与因果推断的区别，对吧？ mytarmailS 2023.11.27 17:55 #33397 Maxim Dmitrievsky #:毕竟，你没有被谷歌禁言，对吧？ 你能读懂统计推断与因果推断的区别，对吧？ 在 "A"、"B"、"C "的序列中存在着明显的关联。 [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [1,] "l" "y" "A" "v" "B" "C" "s" "n" "u" "z" [2,] "p" "x" "a" "n" "A" "B" "j" "y" "d" "C" [3,] "A" "B" "e" "a" "r" "w" "C" "f" "z" "q" [4,] "d" "s" "q" "c" "w" "A" "B" "k" "z" "C" 我怎么知道它是关联而不是因果关系，反之亦然？ Maxim Dmitrievsky 2023.11.27 18:01 #33398 mytarmailS #:以 "A"、"B"、"C "的序列形式存在着明显的关联。如何理解这是联想而不是套语，或者反之亦然？ 我不知道字母表是什么，也不知道哪里有明显的关联。 mytarmailS 2023.11.27 18:07 #33399 Maxim Dmitrievsky #:我不知道字母表是什么，也不知道这里明显的关联在哪里。 每一行都是一个新的观察点。 每一行都有 A B C 的重复。 A B 与 C 相关联。 Maxim Dmitrievsky 2023.11.27 18:25 #33400 mytarmailS #:每一行都是新的观察每一行都有 A B C 的重复A B 与 C 相关联 我想，至少可以将它们出现的频率与其他字母共同出现的频率进行比较。而且还必须了解数据的性质。 AB 究竟是导致 C 出现的原因，还是一组其他字母的原因。 尤其是它们并不是连续出现的。 1...333333343335333633373338333933403341334233433344334533463347...3399 新评论 您错过了交易机会： 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符（不带空格） 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号，请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置，否则您将无法登录。 忘记您的登录名/密码？ 使用 Google 登录
我建议我们回到 kozul、统计学习和可靠的人工智能上来。
P.Z.
弄清其中的细节
如果要直接了解细节，请阅读以下内容
这是一本为无耻和肆无忌惮树碑立传的好书！
最重要的是挂起你的盘子和乌鸦--你会发现一些傻瓜（或许是非常精于算计的人），他们会上当受骗，不理解或意识不到所介绍的一切都是数学统计 工具中众所周知的。
统计学已有几千年的历史。发展和丰富数理统计，观察我们周围的随机过程，试图回答以下问题；
1.这些随机过程的特点是什么？
2.这些随机过程的原因 是什么？
3.这些随机过程的未来是什么？
现在，有些聪明人开始高喊 "因果推断"，一本正经地解释这个创新术语的含义，并开始以线性回归为例，通俗地介绍回归分析的基础知识。
这简直让人匪夷所思！
而这个用于古老条款的新表格正在滚动！
如今，在 R 语言（唯一一种结构严谨、文档齐全的统计语言）中，有 1 万多个软件包和 12 万多个函数，它们都是回答上述问题的工具，其中之一就是找出前因后果。
我们为什么需要新的板块？这样，聪明人就可以套现，而不会被问到关于是否受过基础教育的愚蠢问题。
那么，请回答一个最简单的问题：既然你什么都知道，那么联想联系与因果联系有何不同？然后我们就可以决定该为谁树碑立传了：)
你的 "因果推论在本书第一节中以线性回归为例进行了说明：书中所写的一切都是教给学生的，还有很多作者不屑于说明的东西，比如，顺便说一下线性回归的适用范围，这才是最重要的。
所以，不要躲在问题后面。
让我们说点实质性的。
书中哪一章没有使用统计学中已知的工具（可用 R）？
不要谈论元学生--那是模型的集合，也是一个有胡子的想法。
您的 "因果推论在本书第一节中以线性回归为例进行了说明：书中所写的一切都是教给学生的，还有很多其他东西作者都懒得说明，比如，顺便说一下线性回归的适用范围，这是最重要的一点。
所以，不要躲在问题后面。
让我们直奔主题。
书中哪一章没有使用统计学中已知的工具（可用 R）？
不要谈论元学生--那是一个模型集合，也是一个有胡子的想法。
毕竟，你没有被谷歌禁言，对吧？ 你能读懂统计推断与因果推断的区别，对吧？
毕竟，你没有被谷歌禁言，对吧？ 你能读懂统计推断与因果推断的区别，对吧？
在 "A"、"B"、"C "的序列中存在着明显的关联。
我怎么知道它是关联而不是因果关系，反之亦然？
以 "A"、"B"、"C "的序列形式存在着明显的关联。
如何理解这是联想而不是套语，或者反之亦然？
我不知道字母表是什么，也不知道哪里有明显的关联。
我不知道字母表是什么，也不知道这里明显的关联在哪里。
每一行都是一个新的观察点。
每一行都有 A B C 的重复。
A B 与 C 相关联。
每一行都是新的观察
每一行都有 A B C 的重复
A B 与 C 相关联
我想，至少可以将它们出现的频率与其他字母共同出现的频率进行比较。而且还必须了解数据的性质。
AB 究竟是导致 C 出现的原因，还是一组其他字母的原因。
尤其是它们并不是连续出现的。