1. 아무도 상관 관계를 분석하지 않습니다. 우리는 예측 변수의 선택에 대해 이야기하고 있습니다.
2. 당신은 세 페이지 앞서 내 생각을 당신 자신의 말로 반복했습니다 - " 의존성은 상관관계의 특별한 경우입니다. 두 변수가 의존한다면, 분명히 상관관계가 있습니다. 상관관계가 있다면 반드시 의존성이 있는 것은 아닙니다."
3. 상호 엔트로피는 상관 관계와 마찬가지로 기능적 종속성의 존재 측면에서 답을 제공하지 않습니다.
1) 먼저 상관관계를 위해 자신을 방송한 다음 게시물을 삭제하고 몇 페이지 전에 쓴 내용이 기억나지 않습니다.
드미트리 :
모든 ML은 입력 변수가 출력 변수와 상관 관계가 있어야 한다는 사실에 기반합니다.
2) 아니요, 상관관계가 없는 경우에도 의존성이 있을 수 있다고 말했습니다.
3) 교차 엔트로피. 목표와 관련하여 한 번에 많은 예측 변수를 평가할 수 있습니다. 각 예측 변수가 예측할 수 없지만 특정 조합이 예측할 수 있는 경우입니다. 불행히도 외환의 경우 큰 문제는 아니지만 일반적으로 기계 학습의 경우 교차 엔트로피를 통한 예측 변수 선택이 상관 관계를 통한 선택보다 훨씬 낫습니다.
나는 여전히 이해하지 못합니다 - 역 상관 관계 또는 상관 관계가 없습니까?
또는 두 개의 임의 계열의 상관 계수가 -1인 경우 "상관 관계가 없음"이라고 생각하십니까?
알았어.....
아 ... 글쎄, 그것은 바로 될 것이다)) 글쎄, 나는 간단히 이해했다, 예 ...
1. 아무도 상관 관계를 분석하지 않습니다. 우리는 예측 변수의 선택에 대해 이야기하고 있습니다.
2. 당신은 세 페이지 앞서 내 생각을 당신 자신의 말로 반복했습니다 - " 의존성은 상관관계의 특별한 경우입니다. 두 변수가 의존한다면, 분명히 상관관계가 있습니다. 상관관계가 있다면 반드시 의존성이 있는 것은 아닙니다."
3. 상호 엔트로피는 상관 관계와 마찬가지로 기능적 종속성의 존재 측면에서 답을 제공하지 않습니다.
1) 먼저 상관관계를 위해 자신을 방송한 다음 게시물을 삭제하고 몇 페이지 전에 쓴 내용이 기억나지 않습니다.
드미트리 :
모든 ML은 입력 변수가 출력 변수와 상관 관계가 있어야 한다는 사실에 기반합니다.
2) 아니요, 상관관계가 없는 경우에도 의존성이 있을 수 있다고 말했습니다.
3) 교차 엔트로피. 목표와 관련하여 한 번에 많은 예측 변수를 평가할 수 있습니다. 각 예측 변수가 예측할 수 없지만 특정 조합이 예측할 수 있는 경우입니다. 불행히도 외환의 경우 큰 문제는 아니지만 일반적으로 기계 학습의 경우 교차 엔트로피를 통한 예측 변수 선택이 상관 관계를 통한 선택보다 훨씬 낫습니다.
2) 아니요, 상관관계가 없는 경우에도 의존성이 있을 수 있다고 말했습니다.
상관관계가 없는 곳에는 의존성이 있을 수 없습니다. 상관 관계는 선형 또는 비선형일 수 있지만 종속성이 있는 경우 상관 관계가 있습니다.
의존성이 없을 때 상관관계가 있을 수 있습니다 - 잘못된 상관관계.
이 스레드에서 게시물을 삭제하지 않았습니다.
확인을 제공하기 위해 책을 다운로드할 수 없습니다.
그러한 기회가 있는 사람은 누구나 빈 접전을 멈출 수 있는 예가 있는 사진을 다운로드하여 여기에 배치하십시오.
Bendat J., Peirsol A.
무작위 데이터의 응용 분석: Per. 영어로부터. - M.: 1989년 미르.
126페이지
예 5.4. 상관없는 종속 무작위 변수.
.
추신
예는 매우 말해줍니다.
2개의 동등하게 상관된 예측 변수 - 더 낮은 상관 관계에 따라 무엇을 버릴까요? 어느 것이 덜 상관관계가 있습니까?
Dmitry, 당신은 저를 용서할 것입니다. 그러나 당신이 나를 트롤하려는 것 같거나, 장난을 치거나, 아니면 그저 어리석은 것뿐입니다. 모든 존경심을 가지고 ... 사소한 예에서 두 기능이 모두 상관 관계가 0이라는 것을 볼 수 없습니까? 대상과 함께, 하지만 둘 다 중요하고, 아무 것도 버릴 수 없으며, 선형 종속성은 선형이 아닌 0 입니다. 즉, 상관 관계는 0일 수 있고 데이터 세트는 완전히 예측 가능합니다.
드미트리 :
모든 ML은 입력 변수가 출력 변수와 상관 관계가 있어야 한다는 사실에 기반합니다.
그렇지 않으면 모든 MO 모델에는 의미가 없습니다.
완전히 반박합니다.
상관관계가 없는 곳에는 의존성이 있을 수 없습니다. 상관 관계는 선형 또는 비선형일 수 있지만 종속성이 있는 경우 상관 관계가 있습니다.
확인을 제공하기 위해 책을 다운로드할 수 없습니다.
그러한 기회가 있는 사람은 누구나 빈 접전을 멈출 수 있는 예가 있는 사진을 다운로드하여 여기에 배치하십시오.
Bendat J., Peirsol A.
무작위 데이터의 응용 분석: Per. 영어로부터. - M.: 1989년 미르.
126페이지
예 5.4. 상관없는 종속 무작위 변수.
.
추신
예는 매우 말해줍니다.
http://sci.alnam.ru/book_dsp.php
126 페이지에 사진이 없습니다.
Che 당신은 모두 상관 관계에 집착!
머신 러닝에는 상관관계와 전혀 관계가 없는 변수의 " 중요도 " 개념이 있습니다. 계산은 종종 기계 학습 알고리즘 자체에 내장되어 있습니다.
예를 들어 임의의 포리스트에서.
예측자의 전체 하위 집합에서 수백 개가 있을 수 있고 여러 조각이 선택되고 이러한 예측자의 값이 특정 클래스 값을 예측하는지 여부를 내부 알고리즘에 따라 찾습니다. 수락하거나 거부합니다.
마지막으로, 그들은 트리의 모든 노드를 살펴보고 트리의 각 노드에서 예측자가 몇 번이나 사용되었는지 확인합니다. 예측자의 중요성을 얻습니다.
나는 이 분야에 이미 존재하는 발전에 대해 논의하기 위해 팀을 소집하려고 노력하고 있습니다. 이는 상관 관계에 대한 연습보다 훨씬 더 의미가 있습니다.
Che 당신은 모두 상관 관계에 집착!
머신 러닝에는 상관관계와 전혀 관계가 없는 변수의 "중요도 - 중요도"라는 개념이 있습니다. 계산은 종종 기계 학습 알고리즘 자체에 내장되어 있습니다.
예를 들어 임의의 포리스트에서.
예측자의 전체 하위 집합에서 수백 개가 있을 수 있고 여러 조각이 선택되고 이러한 예측자의 값이 특정 클래스 값을 예측하는지 여부를 내부 알고리즘에 따라 찾습니다. 수락하거나 거부합니다.
마지막으로, 그들은 트리의 모든 노드를 살펴보고 트리의 각 노드에서 예측자가 몇 번이나 사용되었는지 확인합니다. 예측자의 중요성을 얻습니다.
나는 이 분야에 이미 존재하는 발전에 대해 논의하기 위해 팀을 소집하려고 노력하고 있습니다. 이는 상관 관계에 대한 연습보다 훨씬 더 의미가 있습니다.
그리고 alglib에는 어두운 숲도 있습니다. 그건 그렇고 .. mt5를 떠나지 않고 사용할 수 있습니다.