Книга представляет собой небольшое пособие, посвященное решению нескольких стандартных задач, таких как прогнозирование, выявление структурных изменений и аномалий в данных, а также кластеризация временных рядов. Описание соответствующих подходов и программного обеспечения сопровождается...
평소와 같이 같은 장소에서 각 지점에 대해 기록을 기반으로 하는 고유한 선형 추세를 얻습니다. 그런 다음 이 추세를 미래로 1 확장하여 예측을 얻습니다. 모든 것이 평소와 같으며 회귀의 잔차만 "프랙탈에 따라" 분포됩니다) 결과적으로 제 생각에는 여전히 어떤 종류의 가중 평균 형태로 예측을 얻습니다)
어쩐지 그런 책들을 읽지 못해서 팔로잉을 멈췄다. 일반 이론의 경우, 나는 탑이나 레쉬키(예: Magnus 또는 Kantorovich의 강의)에서 교과서를 읽습니다. 특정 질문에 대해서는 필요한 R 패키지에 대한 매뉴얼을 살펴봅니다. 사용된 과학 기사에 대한 링크까지 모든 것이 있습니다.
비문 '선형 추세'가 가장 기쁘게
글쎄, 그는 프랙탈 브라운 트윈 형태의 선형 추세와 노이즈와 같은 모델을 가지고 있습니다.
글쎄, 그는 프랙탈 브라운 트윈 형태의 선형 추세와 노이즈와 같은 모델을 가지고 있습니다.
그런 다음 비선형
그리고 R에 대한 계량 경제학 에 관한 새로운 책은 나오지 않았습니까? 이와 같이
파이썬에는 그러한 컬렉션이 없으며 모든 것이 다른 위치에 있습니다.
https://otexts.com/fpp2/
그런 다음 비선형
그리고 R에 대한 계량 경제학 에 관한 새로운 책은 나오지 않았습니까? 이와 같이
파이썬에는 그러한 컬렉션이 없으며 모든 것이 다른 위치에 있습니다.
https://otexts.com/fpp2/
암소를 위한 계량 경제학, 남성을 위한 DSP)))
이거 안읽었어? 새로운 것을 찾지 못할지라도.
암소를 위한 계량 경제학, 남성을 위한 DSP)))
트랙터 운전자를 위한
그런 다음 비선형
평소와 같이 같은 장소에서 각 지점에 대해 기록을 기반으로 하는 고유한 선형 추세를 얻습니다. 그런 다음 이 추세를 미래로 1 확장하여 예측을 얻습니다. 모든 것이 평소와 같으며 회귀의 잔차만 "프랙탈에 따라" 분포됩니다) 결과적으로 제 생각에는 여전히 어떤 종류의 가중 평균 형태로 예측을 얻습니다)
그리고 R에 대한 계량 경제학 에 관한 새로운 책은 나오지 않았습니까? 이와 같이
파이썬에는 그러한 컬렉션이 없으며 모든 것이 다른 위치에 있습니다.
https://otexts.com/fpp2/
어쩐지 그런 책들을 읽지 못해서 팔로잉을 멈췄다. 일반 이론의 경우, 나는 탑이나 레쉬키(예: Magnus 또는 Kantorovich의 강의)에서 교과서를 읽습니다. 특정 질문에 대해서는 필요한 R 패키지에 대한 매뉴얼을 살펴봅니다. 사용된 과학 기사에 대한 링크까지 모든 것이 있습니다.
암소를 위한 계량 경제학, 남성을 위한 DSP))))
이거 안읽었어? 새로운 것을 찾지 못할지라도.
그들이 말했듯이, 당신은 책을 여러 번 읽고 항상 새로운 것을 찾을 수 있습니다)
읽다. 계량경제학 + MO만 있으면 됩니다. 그러나 성배는 표면에 있지 않습니다. 일반 컬렉션에서 더 많은 것을 요구하는 것은 어리석은 일입니다.재미있네요. 중간 계층 10-15에 뉴런 수가 있는 3계층 MLP 네트워크가 x1/x2와 같은 종속성을 찾았습니다.
문제는 뉴런의 수가 충분하지 않다는 데 있었습니다. 중간 레이어의 경우 8개로 충분하지 않습니다.
아 신호가 켜졌어 일주일 안에 안 끄면 짱이야))
이상하게도 일반화하는 능력을 악화시키는 징후가 있습니다. 새로운 기능이 단순히 추가되고 모델이 없는 경우보다 더 많은 오류가 발생하기 때문에 이상하게 보일 것입니다.
예를 들어, 여러 대의 기계에서 훈련을 받은 다음 여러 대를 제거하고 정확도가 높아졌습니다.
내가 이해하는 한 이것이 모든 데이터의 표준 문제인 이유가 이상합니다. 모델은 모든 기능을 고려하려고 시도하며 일부는 대상 레이블과 종속성이 없는 경우, 즉 임의의 경우 품질이 저하되어야 합니다.
예: 키와 성별로 사람의 체중을 예측하면 품질이 상당히 높고 머리 색깔이나 다른 쓰레기를 추가하면 감소합니다.
재미있네요. 중간 계층 10-15에 뉴런 수가 있는 3계층 MLP 네트워크가 x1/x2와 같은 종속성을 찾았습니다.
문제는 뉴런의 수가 충분하지 않다는 데 있었습니다. 중간 레이어의 경우 8개로 충분하지 않습니다.
글쎄, 그게 내가 말한거야. 그리고 당신은 또 다른 농담을 원합니다. 1000개 이상의 뉴런이 있는 네트워크는 종속성을 찾지 못하거나 배우기에 너무 길고 부정확할 것입니다.