请提供实用的建议。 - 页 5

[Roman]

Dmitry Fedoseev:

模式1	模式2	模式3	模式4	模式5	(六) 方式6	(六) 方式7	(六) 方式8	(六) Mod 9	(六) Mod 10	(六) Mod 11	(六) Mod 12	(八)模13	(六) 14	模式15	数量
4,431	17,091	15,822	2,531	0,631	17,721	28,481	5,702	13,293	5,702	8,232	6,332	0,63 1	3,163	6,963	23
5,062	17,722	12,661	3,802	0,631	19,622	29,112	4,43 1	9,492	5,061	6,331	6,332	1,902	1,902	6,332	26
4,431	20,253	16,463	4,433	0,631	17,721	29,75 3	6,333	5,061	8,233	10,13 3	5,061	0,631	1,27 1	4,431	29

最低的和是23，选择第一行。

谢谢，我也会注意到这一点。

但这些都是误差值，用这种方法来估计评级是否可靠？
在统计学中，他们主要使用平方之和来估计误差。
而平方之和和评级的结果不同，那么该相信哪种方法呢？

;))

排名方法是在哪个数学领域使用的？
吸取这种材料并了解它的用途。

[Dmitry Fedoseev]

所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时，你必须明白你在做什么，你会得到什么。

如果你不知道一个令人满意的结果应该是什么，那么使用什么方法就没有区别。

[Roman]

Dmitry Fedoseev:

所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时，你必须明白你在做什么，你会得到什么。

如果你不知道一个令人满意的结果应该是什么，那么使用什么方法就没有区别。

我部分同意，但在这种情况下，我们要评估的是错误的价值本身，而不是它在一个模块中的重复出现。
这种方法适用于评估重复值。
我不认为这是评估错误值本身的正确方法。

[Dmitry Fedoseev]

Roman:

我部分同意，但在这种情况下，我们评估的是错误本身，而不是它在一个模块中的重复出现。
这种方法适用于评估反复出现的数值。
我不认为这是评估错误值本身的正确方法。

如果这些数值是重复的，它们将得到与1、2、3互换完全相同的结果。

请阅读本主题的第一篇帖子，本主题的作者在那里提出了他的问题--只是阅读它，而不是编造它。

[Roman]

Dmitry Fedoseev:

如果这些数值是重复的，它们本身会得到与1、2、3互换完全相同的结果。

请阅读本主题的第一篇帖子，该主题的作者提出了他的问题--只需阅读它，而不是编造它。

所以没有人不是在编造它。根据我对第一个帖子的理解，最初的任务是估计误差最小化。
而作者在他的表格中甚至得出了所有误差的平均值。但他认为这并不实际，也没有什么内容。
估计误差最小化和估计重复值是不同的任务。

[Dmitry Fedoseev]

Roman:

所以没有人在编造它。根据我对第一个帖子的理解，最初的目的是估计误差最小化。
而且，该专题组甚至将他的表格中的所有错误都平均化了。但他认为这并不实际，也没有什么内容。
估计误差最小化和估计重复出现的值是不同的任务。

仅仅使用平均值是不够的，你还需要避免大的过冲。

[Alexandr Andreev]

Dmitry Fedoseev:

仅有平均数是不够的，你还需要有低的弹射率。

因此，该产品

[Roman]

Dmitry Fedoseev:

仅仅使用平均值是不够的，我们还需要避免大的离群值。

在我的例子中，MathPow(arr[i]-(max-min)/*或avg*/, 2.0)考虑到了这一点，而乘积则由平方函数来完成。
也就是说，它把它带到了二次方，这对应的是乘积。

[Roman]

当我们在讨论规范化和标准化的问题时，当被比较的数值需要被带到相同的尺度时，这种调整就适用了。
你说的 "归一化为同一尺度 "是什么意思？
例如，当我们需要比较像81.500和1.13453或5200.1或27340等数字时。
也就是说，这些数值在 整数后面 有不同的数字。
为了比较这类数据或将其传入模型，如果模型有几个标志，应用规范化或标准化，
，这样模型就能正确计算，产生正确的计算。
我已经写了这样的函数，如果有人需要，请使用它们。

//--------------------------------------------------------------------
//Возвращает максимальное значение элементов массива
double ArrayMax(double & arrIn[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return(0.0);          
   
   double max = arrIn[0];
   for(uint i=1; i<size; i++)
      if(arrIn[i] > max) 
         max = arrIn[i];

   return(max);
}

//--------------------------------------------------------------------
//Возвращает минимальное значение элементов массива
double ArrayMin(double & arrIn[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return(0.0);   
   
   double min = arrIn[0];  
   for(uint i=1; i<size; i++)
      if(arrIn[i] < min) 
         min = arrIn[i];

   return(min);
}

//--------------------------------------------------------------------
//Возвращает средне арефметическое значение элементов массива
double ArrayMean(double & arrIn[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return(0.0);         

   double sum = 0.0;       
   for(uint i=0; i<size; i++) 
      sum += arrIn[i];     
   
   return(sum/size);
}

//--------------------------------------------------------------------
//Возвращает среднеквадратичное (стандартное) отклонение значений элементов массива
double ArrayStd(double & arrIn[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return(0.0);   
   
   double sum  = 0.0; 
   double mean = ArrayMean(arrIn); 
          
   for(uint i=0; i<size; i++)
      sum += MathPow(MathAbs(arrIn[i]-mean), 2.0);
      
   return(MathSqrt(sum/size));
}

//--------------------------------------------------------------------
//Возвращает нормализованные значения элементов масcива
void ArrayNormalized(double & arrIn[], double & arrOut[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return; 
      
   double min = ArrayMin(arrIn);   
   double max = ArrayMax(arrIn);
   
   for(uint i=0; i<size; i++)
      arrOut[i] = (arrIn[i]-min) / (max-min);   
}

//--------------------------------------------------------------------
//Возвращает стандвртизированые значения элементов масcива
void ArrayStandardized(double & arrIn[], double & arrOut[])
{
   uint size = ArraySize(arrIn);
   if(size == 0) 
      return; 
      
   double mean = ArrayMean(arrIn);
   double std  = ArrayStd(arrIn);
   
   for(uint i=0; i<size; i++)
      arrOut[i] = (arrIn[i]-mean) / std;   
}

[Alexey Viktorov]

Roman:

当我们在讨论规范化和标准化的问题时，当被比较的数值需要被带到相同的尺度时，这种调整就适用了。
你说的 "归一化为同一尺度 "是什么意思？
例如，当我们需要比较像81.500和1.13453或5200.1或27340等数字时。
也就是说，这些数值在 整数后面 有不同的数字。
为了比较这类数据或将其传入模型，如果模型有几个标志，应用规范化或标准化，
，这样模型就能正确计算，产生正确的计算。
我已经写了这样的函数，如果有人需要，请使用它们。

为什么你不喜欢ArrayMaximum和ArrayMinimum？你为什么要通过循环来写呢？