창포 꽃잎의 데이터는 신호가 아니며 이 테이블은 포카 테스트에 전혀 적합하지 않습니다. 패키지의 경우 특정 간격으로 새 값이 수신되고 이를 벡터로 결합할 때 시계열 만 적합합니다. 이러한 이유로 foreca는 데이터 테이블의 행 순서를 변경할 수 없습니다. 그리고 검증을 위해 라인의 일부를 무작위로 제거할 수 없습니다. 모든 것이 엄격하게 순서대로 이루어져야 합니다. 먼저 훈련용 데이터, 그 다음 검증용 데이터입니다. 샘플이 없습니다.
홍채로 할 수 있는 가장 좋은 방법은 최대 구성 요소 수 min(dim(forec.dt)) = 14를 사용하는 것이지만 정확도는 여전히 100% 미만일 것이라고 생각합니다.
창포 꽃잎의 데이터는 신호가 아니며 이 테이블은 포카 테스트에 전혀 적합하지 않습니다. 패키지의 경우 특정 간격으로 새 값이 수신되고 이를 벡터로 결합할 때 시계열만 적합합니다. 이러한 이유로 foreca는 데이터 테이블의 행 순서를 변경할 수 없습니다. 그리고 검증을 위해 라인의 일부를 무작위로 제거할 수 없습니다. 모든 것이 엄격하게 순서대로 이루어져야 합니다. 먼저 훈련용 데이터, 그 다음 검증용 데이터입니다. 샘플이 없습니다.
홍채로 할 수 있는 가장 좋은 방법은 최대 구성 요소 수 min(dim(forec.dt)) = 14를 사용하는 것이지만 정확도는 여전히 100% 미만일 것이라고 생각합니다.
홍채에 대한 포스팅은 매우 중요하다고 생각합니다.
사실 rf는 엄청나게 과적합되기 쉽습니다.
그리고 여기서 forCA에는 그런 경향이 없다는 것이 밝혀졌습니다. 그래서 매우 유용한 패키지입니다.
그리고 여기서 forCA에는 그런 경향이 없다는 것이 밝혀졌습니다. 그래서 매우 유용한 패키지입니다.
포리스트가 재학습되지만, 홍채에 대한 4개의 예측 변수에 임의 값이 있는 열을 10개 더 추가하면 포레스트는 여전히 거의 100% 정확도로 새 데이터를 예측합니다. 숲이 잘 된 것 같아 놀랍고 기쁩니다. 나 자신은 전에 그런 실험을 한 적이 없으며, 나는 미래를 위해 그것을 염두에 둘 것이다.
foreCA는 차례로 모든 예측 변수를 ~ 1%의 예측 가능성(꽃잎 길이 및 임의 값의 예측 변수)을 가진 노이즈로 호출하고 이 모든 것에서 최소한 일부 신호를 추출하려고 했습니다. 신호가 없어야 할 곳에서 신호를 추출하려면 - 제 생각에는 쓸모가 없습니다. forca에 대한 이 실험은 아무 말도 하지 않습니다.
mytarmailS : 그리고 BP의 결과는 무엇입니까?
모델은 아직 학습 중입니다. 너무 많은 데이터를 제출한 것 같지만 취소하고 싶지 않습니다. 끝까지 작동하도록 하고 그대로 두겠습니다. 그런 다음 모든 것이 끝나면 결과에 대해 쓸 것입니다.
물론, 나는 나 자신보다 앞서고 싶지 않지만 Reshetov는 새로운 릴리스에서 멋진 일을 만들었습니다. 나는 그에게 아이디어를 던졌지만 그는 이미 그것에 대해 생각하고 있었기 때문에 바보들은 동의했고 결국 가장 강력한 것이 밝혀졌습니다. 헛되이 당신은 그에게 통을 굴렸습니다 .....
포리스트가 재학습되지만, 홍채에 대한 4개의 예측 변수에 임의 값이 있는 열을 10개 더 추가하면 포레스트는 여전히 거의 100% 정확도로 새 데이터를 예측합니다. 숲이 잘 된 것 같아 놀랍고 기쁩니다. 나는 이것을 전에 한 적이 없으며 앞으로 그것을 염두에 둘 것입니다.
예, 나는 그가 소음을 너무 훌륭하게 무시하고 예측자와 구별했다는 것에 놀랐습니다. 그는 또한 이것을 한 적이 없습니다. 그것은 그 자신이 흥미로웠습니다....
창포 꽃잎의 데이터는 신호가 아니며 이 테이블은 포카 테스트에 전혀 적합하지 않습니다. 패키지의 경우 특정 간격으로 새 값이 수신되고 이를 벡터로 결합할 때 시계열 만 적합합니다. 이러한 이유로 foreca는 데이터 테이블의 행 순서를 변경할 수 없습니다. 그리고 검증을 위해 라인의 일부를 무작위로 제거할 수 없습니다. 모든 것이 엄격하게 순서대로 이루어져야 합니다. 먼저 훈련용 데이터, 그 다음 검증용 데이터입니다. 샘플이 없습니다.
홍채로 할 수 있는 가장 좋은 방법은 최대 구성 요소 수 min(dim(forec.dt)) = 14를 사용하는 것이지만 정확도는 여전히 100% 미만일 것이라고 생각합니다.
홍채로 할 수 있는 가장 좋은 방법은 최대 구성 요소 수 min(dim(forec.dt)) = 14를 사용하는 것이지만 정확도는 여전히 100% 미만일 것이라고 생각합니다.
창포 꽃잎의 데이터는 신호가 아니며 이 테이블은 포카 테스트에 전혀 적합하지 않습니다. 패키지의 경우 특정 간격으로 새 값이 수신되고 이를 벡터로 결합할 때 시계열만 적합합니다. 이러한 이유로 foreca는 데이터 테이블의 행 순서를 변경할 수 없습니다. 그리고 검증을 위해 라인의 일부를 무작위로 제거할 수 없습니다. 모든 것이 엄격하게 순서대로 이루어져야 합니다. 먼저 훈련용 데이터, 그 다음 검증용 데이터입니다. 샘플이 없습니다.
홍채로 할 수 있는 가장 좋은 방법은 최대 구성 요소 수 min(dim(forec.dt)) = 14를 사용하는 것이지만 정확도는 여전히 100% 미만일 것이라고 생각합니다.
홍채에 대한 포스팅은 매우 중요하다고 생각합니다.
사실 rf는 엄청나게 과적합되기 쉽습니다.
그리고 여기서 forCA에는 그런 경향이 없다는 것이 밝혀졌습니다. 그래서 매우 유용한 패키지입니다.
홍채에 대한 포스팅은 매우 중요하다고 생각합니다.
사실 rf는 엄청나게 과적합되기 쉽습니다.
그리고 여기서 forCA에는 그런 경향이 없다는 것이 밝혀졌습니다. 그래서 매우 유용한 패키지입니다.
포리스트가 재학습되지만, 홍채에 대한 4개의 예측 변수에 임의 값이 있는 열을 10개 더 추가하면 포레스트는 여전히 거의 100% 정확도로 새 데이터를 예측합니다. 숲이 잘 된 것 같아 놀랍고 기쁩니다. 나 자신은 전에 그런 실험을 한 적이 없으며, 나는 미래를 위해 그것을 염두에 둘 것이다.
foreCA는 차례로 모든 예측 변수를 ~ 1%의 예측 가능성(꽃잎 길이 및 임의 값의 예측 변수)을 가진 노이즈로 호출하고 이 모든 것에서 최소한 일부 신호를 추출하려고 했습니다. 신호가 없어야 할 곳에서 신호를 추출하려면 - 제 생각에는 쓸모가 없습니다. forca에 대한 이 실험은 아무 말도 하지 않습니다.
그리고 BP의 결과는 무엇입니까?
모델은 아직 학습 중입니다. 너무 많은 데이터를 제출한 것 같지만 취소하고 싶지 않습니다. 끝까지 작동하도록 하고 그대로 두겠습니다. 그런 다음 모든 것이 끝나면 결과에 대해 쓸 것입니다.
물론, 나는 나 자신을 앞서고 싶지 않지만 Reshetov는 새로운 릴리스에서 그런 멋진 것을 진흙탕으로 만들었습니다 .... . 헛되이 당신은 그에게 통을 굴렸습니다 .....
멋진 얘기에 대한 멋진 이야기...
그러나 일반적으로 받아 들여지고 잘 알려지고 일반적으로 인정되는 것과 적어도 한 번은 비교를 볼 수 있습니까?
멋진 얘기에 대한 멋진 이야기...
그러나 일반적으로 받아 들여지고 잘 알려지고 일반적으로 인정되는 것과 적어도 한 번은 비교를 볼 수 있습니까?
포리스트가 재학습되지만, 홍채에 대한 4개의 예측 변수에 임의 값이 있는 열을 10개 더 추가하면 포레스트는 여전히 거의 100% 정확도로 새 데이터를 예측합니다. 숲이 잘 된 것 같아 놀랍고 기쁩니다. 나는 이것을 전에 한 적이 없으며 앞으로 그것을 염두에 둘 것입니다.
예, 나는 그가 소음을 너무 훌륭하게 무시하고 예측자와 구별했다는 것에 놀랐습니다. 그는 또한 이것을 한 적이 없습니다. 그것은 그 자신이 흥미로웠습니다....
그래서 오늘까지만 해도 중요한 기능을 절대 믿지 않았습니다
하지만 그녀는 나를 믿게 했어