저는 항상 같은 문제, 특히 경사 하강을 최적화하는 데 평생을 바친 전문가들을 더 신뢰합니다.
그리고 아마추어의 주된 징후는 전문가에 대해 비방하는 것입니다. R은 오늘날 통계학의 벤치마크인 전문 언어입니다. 이제는 "믿음과 카고 컬트"에 대한 온갖 종류의 쓰레기를 쓰지 말고 이것을 배워야 할 때입니다.
확실히 당신은 전문가를 믿지만, 당신은 단 하나의 이름을 지정하지 않았고이 주제에 대한 작품 목록을 제공하지 않았습니다.
또 다른 무의미한 게시물로 밝혀졌습니다. 또한 R이 통계 분야의 벤치 마크이며 통계와 어떤 관련이 있다고 쓰여진 곳도 인용 해 주시기 바랍니다.
저에게 R 사용자는이 포럼에서 의미가있는 명목상의 이름이 되었기 때문에 제가 웃고 있습니다. 이 스레드 내에서만 관련이 있으며 다른 곳에서는 관련이 없습니다.
예를 들어, 오래 전에 1C, 회계용 프로기 과정을 수강했습니다. 그리고 그 과정은 청중 전체에 땀 냄새를 풍기며 모두 코를 돌린 한 냄새 나는 (말 그대로) 학생이 이끌었습니다. 그런 다음 모두가 주제에 대한 변형에 웃었습니다. 여기서도 비슷한 상황이 발생하여 언어에 대한 태도가 다소 손상되었습니다. 언어에 대한 인상 😀😀
Maxim Dmitrievsky #: 1. 당신은 확실히 전문가를 믿지만, 이 주제에 대해 단 한 명의 이름을 밝히거나 작품 목록을 제공하지 않았습니다.
2. 또 다른 무의미한 메시지로 밝혀졌습니다. 또한 R이 통계 분야의 벤치 마크이며 통계와 어떤 관련이 있다고 쓰여진 곳도 인용 해주세요.
사실이 주어지지 않는 한 모든 것이 종파 주의자들의 외침처럼 보입니다. R 자체는 어떤 식 으로든 뛰어난 언어가 아닌 일반 언어입니다. 통계 및 기계 학습 및 일반적으로 고급 프로그래밍의 벤치 마크 인 Python과 유사하기 때문에 약간 불필요하다고 말하고 싶습니다. 왜 모든 게시물에서 그런 소리로 그것을 폄하하고 그것을 사용하도록 촉구해야하는지 이해가되지 않습니다. 이것이 전문가들이 하는 일인가요?
1. Dick의 질문은 완벽하게 타당하고 올바른 질문입니다. 저는 NS를 사용하지 않지만 모든 R 패키지의 모든 함수에는 반드시 알고리즘 작성자에 대한 참조가 포함되어 있고 심각한 알고리즘의 경우 R에서 구현 된 알고리즘을 설명하는 기사 / 책에 대한 참조가 포함되어 있다는 사실을 알고 있습니다. NS에 대해 잘 알고 있기 때문에 R을 사용하는 경우 R에서 해당 유형의 NS를 검색하고 해당 알고리즘이 설명 된 해당 참조를 찾고 알고리즘에 대한 토론을 찾고 전문가의 모든 뉘앙스를 찾을 수 있습니다 ... 외설적 인 것을 중얼 거리는 대신 가장 높은 전문가 수준에서 딕에게 대답하십시오.
2. 이름 별 R : 통계 및 그래픽 언어. R의 본질은 참조 장치의 루 브릭에 의해 드러납니다.
몇 년 전까지만 해도 다른 전문 통계 언어 중에서 R의 경쟁자를 찾을 수 있었습니다. 예를 들어 SPPS는 아직까지 찾지 못했습니다. R은 유일한 통계 언어로 남아 있으며, 지원 및 관리되고, 수많은 미러가 있으며, Microsoft 소프트웨어에 포함되어 있습니다.
3. R과 Python을 비교하는 것은 절대적으로 잘못된 것입니다.
R은 전문 언어입니다. Python은 보편적인 언어입니다. 파이썬은 사용자 수에서 R을 훨씬 능가하지만, 파이썬의 대량 사용자는 웹 디자인입니다. 파이썬에 통계 패키지가 있다는 사실만으로 파이썬을 통계 언어로 분류할 수는 없습니다. 이에 따라 R과 Python에서 모두 사용되는 패키지가 구현된 C++를 통계 언어로 분류할 수 있습니다. 상세한 루브릭과 제안된 함수의 알고리즘에 대한 참조로 인해 R은 통계의 이론과 실무를 공부하는 데 사용할 수 있지만 Python은 그렇지 않습니다.
CRAN task views aim to provide some guidance which packages on CRAN are relevant for tasks related to a certain topic. They give a brief overview of the included packages which can also be automatically installed using the ctv package.
Maxim Dmitrievsky #: 완전한 검색이 있고 최적화가 있습니다. 최적의 솔루션을 찾는 데 걸리는 시간을 줄이기 위해 필요합니다. 그렇기 때문에 항상 타협이 필요합니다. 확률적 그라데이션 방법으로 최적화하면 아담보다 더 나은 결과를 얻을 수 있지만 시간이 희생됩니다. 그리고 선택해야 합니다. 예를 들어 TC의 기대치를 높이기 위해 속도보다 정확도가 더 중요한 작업도 있습니다. .
여기서 시각적 결과를 보는 것만으로도 흥미롭습니다.
중요한 질문은 무엇을 최적화할 것인가입니다. 수익, 드로다운, 변동성 등과 관련된 의미 있는 기준을 최적화하고 싶습니다.
완전한 오버슈팅이 최적화하는 가장 좋은 방법입니다. 안타깝게도 항상 적용 가능한 것은 아닙니다.)
조용히 하는 것이 훨씬 더 똑똑해 보이거나 적어도 매너가 좋아 보일 것입니다.
BASE!!!! 데이터베이스를 공부해야 합니다.
로컬 최적화, 글로벌 최적화, 함수 유형, 최적화 유형, 최적화 유형, 어떤 함수에 어떤 종류의 최적화를 적용할지 등....
개별 최적화, 연속 최적화, 다중 기준 등... 차이점은 무엇이며, 목적은 무엇이며, 하나를 적용하고 다른 것을 적용하지 않는 곳....
당신은 기본적인 것을 모릅니다 !!!
이 문제에 대해 할 말이 있는데 왜 침묵을 지켜야합니까, 나는 단지 무언가를 말하고 싶은 멍청하지 않은 사람이 아닙니다.
몇 가지 대표적인 기능에 대해 학습/최적화를 테스트하는 것이 좋습니다.
신경망이 완벽하게 해낼 수 있다고 생각한다면 틀린 생각일 수 있습니다.
거기에는 문명의 선물을 가져다주는 카르고 컬트와 신성한 R에 대한 믿음의 수준에서 특정한 인식이 있습니다.
저는 항상 한 가지 문제, 여기서는 최적화, 특히 경사 하강을 처리하는 데 평생을 보내는 전문가에 대해 더 많은 믿음을 가지고 있습니다.
그리고 아마추어의 주된 징후는 전문가에 대해 비방하는 것입니다. R은 오늘날 통계학의 벤치마크인 전문 언어입니다. 이제는 '믿음과 카고 컬트'에 대한 온갖 헛소리를 쓰는 대신 그 사실을 배워야 할 때입니다.
저는 항상 같은 문제, 특히 경사 하강을 최적화하는 데 평생을 바친 전문가들을 더 신뢰합니다.
그리고 아마추어의 주된 징후는 전문가에 대해 비방하는 것입니다. R은 오늘날 통계학의 벤치마크인 전문 언어입니다. 이제는 "믿음과 카고 컬트"에 대한 온갖 종류의 쓰레기를 쓰지 말고 이것을 배워야 할 때입니다.
1. 당신은 확실히 전문가를 믿지만, 이 주제에 대해 단 한 명의 이름을 밝히거나 작품 목록을 제공하지 않았습니다.
1. Dick의 질문은 완벽하게 타당하고 올바른 질문입니다. 저는 NS를 사용하지 않지만 모든 R 패키지의 모든 함수에는 반드시 알고리즘 작성자에 대한 참조가 포함되어 있고 심각한 알고리즘의 경우 R에서 구현 된 알고리즘을 설명하는 기사 / 책에 대한 참조가 포함되어 있다는 사실을 알고 있습니다. NS에 대해 잘 알고 있기 때문에 R을 사용하는 경우 R에서 해당 유형의 NS를 검색하고 해당 알고리즘이 설명 된 해당 참조를 찾고 알고리즘에 대한 토론을 찾고 전문가의 모든 뉘앙스를 찾을 수 있습니다 ... 외설적 인 것을 중얼 거리는 대신 가장 높은 전문가 수준에서 딕에게 대답하십시오.
2. 이름 별 R : 통계 및 그래픽 언어. R의 본질은 참조 장치의 루 브릭에 의해 드러납니다.
다음은 R 패키지가 다루는 주제 목록입니다. 주제 중 하나는 기계 학습입니다.
다음은 MO와 관련된 패키지 목록입니다.
몇 년 전까지만 해도 다른 전문 통계 언어 중에서 R의 경쟁자를 찾을 수 있었습니다. 예를 들어 SPPS는 아직까지 찾지 못했습니다. R은 유일한 통계 언어로 남아 있으며, 지원 및 관리되고, 수많은 미러가 있으며, Microsoft 소프트웨어에 포함되어 있습니다.
3. R과 Python을 비교하는 것은 절대적으로 잘못된 것입니다.
R은 전문 언어입니다. Python은 보편적인 언어입니다. 파이썬은 사용자 수에서 R을 훨씬 능가하지만, 파이썬의 대량 사용자는 웹 디자인입니다. 파이썬에 통계 패키지가 있다는 사실만으로 파이썬을 통계 언어로 분류할 수는 없습니다. 이에 따라 R과 Python에서 모두 사용되는 패키지가 구현된 C++를 통계 언어로 분류할 수 있습니다. 상세한 루브릭과 제안된 함수의 알고리즘에 대한 참조로 인해 R은 통계의 이론과 실무를 공부하는 데 사용할 수 있지만 Python은 그렇지 않습니다.
나는 그 질문을 자세히 연구하지 않았습니다. 아이디어는 간단해 보이지만 구현 방법에는 많은 기술적 미묘함이 있습니다.
완전한 검색이 있고 최적화가 있습니다. 최적의 솔루션을 찾는 데 걸리는 시간을 줄이기 위해 필요합니다. 그렇기 때문에 항상 타협이 필요합니다. 확률적 그라데이션 방법으로 최적화하면 아담보다 더 나은 결과를 얻을 수 있지만 시간이 희생됩니다. 그리고 선택해야 합니다. 예를 들어 TC의 기대치를 높이기 위해 속도보다 정확도가 더 중요한 작업도 있습니다.
.
중요한 질문은 무엇을 최적화할 것인가입니다. 수익, 드로다운, 변동성 등과 관련된 의미 있는 기준을 최적화하고 싶습니다.
완전한 오버슈팅이 최적화하는 가장 좋은 방법입니다. 안타깝게도 항상 적용 가능한 것은 아닙니다.)
중요한 질문은 무엇을 최적화할 것인가입니다. 수익, 손실, 변동성 등과 관련된 의미 있는 기준을 최적화하고 싶습니다.
완전한 오버슈팅이 가장 좋은 최적화 방법입니다(안타깝게도 항상 적용 가능한 것은 아닙니다).
저는 "싸우고 찾아서 숨어라"라는 슬로건을 인용하고 싶습니다.
모든 기준, 특히 이러한 표준 기준을 사용자 정의 메트릭으로 설정할 수 있습니다. 여전히 로그 손실에 따라 최적화되지만 이러한 사용자 지정 기준에서 멈출 것입니다.
왜냐하면 동일한 버스팅에서 멈추는 것은 항상 정확도와 같은 일부 캐스트 기준을 기반으로 하기 때문입니다.