回归方程 - 页 3 12345678910...16 新评论 Candid 2010.09.19 20:14 #21 Mathemat: 有意思，有意思。Candid，还记得我在Inhabited Island上关于一个具有准稳定过程的元模型的话题吗（Diffurcas在那里，也是我们从帽子里拉出来的一只兔子）？非常相似的东西。毕竟，"无界 "确实存在，而且其中的思想也很普遍......。 我记得，我怎么可能不记得。 但你曾经称这个岛为无人区 :) Evgeniy Logunov 2010.09.19 20:26 #22 Prival: 如果你在MQL中这样做，你会遇到很多麻烦。 没有矩阵操作... https://www.mql5.com/ru/articles/1365 Prival 2010.09.19 20:51 #23 lea: https://www.mql5.com/ru/articles/1365 我见过，这是个很大的工程。谢谢你的工作。但是，研究，在这里，研究最好是在另一种语言中进行，那里有真正的矩阵运算...... Z.I.我一定是错过了 "沙漠岛"，我想读一些有意义的东西... Alexey Subbotin 2010.09.19 21:52 #24 Prival: http://www.nsu.ru/ef/tsy/ecmr/quantile/quantile.htm 如果你在MQL中做，你会有麻烦的，这里没有矩阵操作... 矩阵运算在每种情况下都可以简化为普通的算术运算：) 一般来说，文章建议用单数法搜索模型参数，但众所周知，相对于问题的维度来说，单数法的时间是指数级的。因此，在我看来，这是我们应该努力的第一个方向。顺便说一句，你的文章似乎是唯一一篇关于这个问题的俄语文章，而且本身质量相当低（可能是某人的学期论文或毕业证书:) Alexey Subbotin 2010.09.19 21:55 #25 我希望有人能在MQL中写一个单选题...我自己也很懒! 那么，椭圆体就很好了:))) Freelance 2010.09.19 23:21 #26 alsu: 我将尝试从理论上解释，因为我还没有准备好给出计算数据，它们是原始的。 ...通过用 MNC近似 ，我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分，而且还要抓住泊松离群值，因此预测效率很低，而一般来说，我们需要的是. NET的预测效率。另一方面，通过采取量化多项式，我们完全摆脱了过程中的第二部分，即泊松部分：量化数根本没有反应，而且是绝对的。因此，通过识别回归给出重大尝试的地方，我们因此几乎可以在线以高度的信心定位 "失败"（我们可能还不能预测它们，因为没有合适的模型，至少，在我这里没有：）。 我仍然不理解对ISC "贫穷 "的建设性批评......。 ;) Alexey Subbotin 2010.09.19 23:39 #27 FreeLance: 仍然不明白对跨国公司 "贫穷 "的建设性批评...... ;) 我没有把中间的句子说完，我想我已经老了:)))只要不读以 "哪 "开头的句子就可以了。 正如一些读者已经意识到的那样，这些批评是针对MNC的特殊性的，其中包括：a）在处理非高斯性质的过程时表现不佳（MNC估计在这种情况下是无效的），以及b）MNC无法 "分离 "两个过程--高斯和非高斯。该方法对整个加性混合物做出反应，相反，最小二乘法或量化回归只对高斯部分做出反应，从而将第二部分与过程分开。 而一般来说，一般只使用跨国公司，因为它们更容易计算。同时，在现实生活中，许多问题需要使用其他方法，但人们要么是出于懒惰，要么是出于无知，凡是能戳中MNA的地方都戳中了。 Sceptic Philozoff 2010.09.19 23:55 #28 我不记得我是从哪里得到的，但我认为MNC只是MMP（最大似然法）应用于高斯值的一种实现。我可能是错的。 Freelance 2010.09.20 00:10 #29 alsu: 而一般来说，MOOCs一般只被使用，因为它们更容易计算。同时，在现实生活中，许多问题需要使用其他方法，但人们要么是出于懒惰，要么是出于无知，只要有可能，就坚持使用ANC。 我认为是利用了二次函数寻找最小值的特性......比如导数在0点是零。 这就是为什么所有分析得出的计算函数参数的方法都是有效的，不管函数的定义领域是什么。我曾经写过关于这个问题的文章。 但是！如果你为一个定义为-1的函数拟合最佳MOC参数....1--你就有麻烦了。 你可能会得到更糟的。偏差的最小值将成为最大值。 我再次指出--这是针对 "正面 "的方法。 既然你 "使用 "你自己的分布，而且可能是;)，在推导中，它并没有减少到计算参数的MOC最小值的可能性，而且特别重要的是，定义在 "显著 "的限制 -最小 似然有一个地方。 尽量使数据正常化，使偏差的平方不小于1。 ;) 但主要的问题被抛在了框架之外--让你捡起 分布参数。 它是如何推算出商数的？通过arctangence？ DDD [删除] 2010.09.20 00:29 #30 多项式的选择呢？ 12345678910...16 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
有意思，有意思。Candid，还记得我在Inhabited Island上关于一个具有准稳定过程的元模型的话题吗（Diffurcas在那里，也是我们从帽子里拉出来的一只兔子）？非常相似的东西。毕竟，"无界 "确实存在，而且其中的思想也很普遍......。
我记得，我怎么可能不记得。
但你曾经称这个岛为无人区 :)
如果你在MQL中这样做，你会遇到很多麻烦。 没有矩阵操作...
https://www.mql5.com/ru/articles/1365
https://www.mql5.com/ru/articles/1365
我见过，这是个很大的工程。谢谢你的工作。但是，研究，在这里，研究最好是在另一种语言中进行，那里有真正的矩阵运算......
Z.I.我一定是错过了 "沙漠岛"，我想读一些有意义的东西...
http://www.nsu.ru/ef/tsy/ecmr/quantile/quantile.htm
如果你在MQL中做，你会有麻烦的，这里没有矩阵操作...矩阵运算在每种情况下都可以简化为普通的算术运算：)
一般来说，文章建议用单数法搜索模型参数，但众所周知，相对于问题的维度来说，单数法的时间是指数级的。因此，在我看来，这是我们应该努力的第一个方向。顺便说一句，你的文章似乎是唯一一篇关于这个问题的俄语文章，而且本身质量相当低（可能是某人的学期论文或毕业证书:)
我希望有人能在MQL中写一个单选题...我自己也很懒!
那么，椭圆体就很好了:)))
我将尝试从理论上解释，因为我还没有准备好给出计算数据，它们是原始的。
...通过用 MNC近似 ，我们迫使回归多项式不仅要 "紧紧抓住 "过程的正常部分，而且还要抓住泊松离群值，因此预测效率很低，而一般来说，我们需要的是. NET的预测效率。另一方面，通过采取量化多项式，我们完全摆脱了过程中的第二部分，即泊松部分：量化数根本没有反应，而且是绝对的。因此，通过识别回归给出重大尝试的地方，我们因此几乎可以在线以高度的信心定位 "失败"（我们可能还不能预测它们，因为没有合适的模型，至少，在我这里没有：）。
我仍然不理解对ISC "贫穷 "的建设性批评......。
;)
仍然不明白对跨国公司 "贫穷 "的建设性批评......
;)
我没有把中间的句子说完，我想我已经老了:)))只要不读以 "哪 "开头的句子就可以了。
正如一些读者已经意识到的那样，这些批评是针对MNC的特殊性的，其中包括：a）在处理非高斯性质的过程时表现不佳（MNC估计在这种情况下是无效的），以及b）MNC无法 "分离 "两个过程--高斯和非高斯。该方法对整个加性混合物做出反应，相反，最小二乘法或量化回归只对高斯部分做出反应，从而将第二部分与过程分开。
而一般来说，一般只使用跨国公司，因为它们更容易计算。同时，在现实生活中，许多问题需要使用其他方法，但人们要么是出于懒惰，要么是出于无知，凡是能戳中MNA的地方都戳中了。
而一般来说，MOOCs一般只被使用，因为它们更容易计算。同时，在现实生活中，许多问题需要使用其他方法，但人们要么是出于懒惰，要么是出于无知，只要有可能，就坚持使用ANC。
我认为是利用了二次函数寻找最小值的特性......比如导数在0点是零。
这就是为什么所有分析得出的计算函数参数的方法都是有效的，不管函数的定义领域是什么。我曾经写过关于这个问题的文章。
但是！如果你为一个定义为-1的函数拟合最佳MOC参数....1--你就有麻烦了。
你可能会得到更糟的。偏差的最小值将成为最大值。
我再次指出--这是针对 "正面 "的方法。
既然你 "使用 "你自己的分布，而且可能是;)，在推导中，它并没有减少到计算参数的MOC最小值的可能性，而且特别重要的是，定义在 "显著 "的限制 -最小 似然有一个地方。
尽量使数据正常化，使偏差的平方不小于1。
;)
但主要的问题被抛在了框架之外--让你捡起 分布参数。
它是如何推算出商数的？通过arctangence？
DDD