Обсуждение статьи "Популяционные алгоритмы оптимизации: Алгоритм растущих деревьев (Saplings Sowing and Growing up — SSG)" - страница 11
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Вроде кросс-валидация выбирает лучшую иголку или поверхность. А чтобы получить много иголок, можно сделать оптимизации по разным кускам истории. Ф-я же одна и та же останется.
Видимо, это про какие-то другие иголки, чем я ранее говорил.
Видимо, это про какие-то другие иголки, чем я ранее говорил.
Maxim Dmitrievsky #:
Про картиночные. Разбить выборку на 10 частей, на каждой оптимизировать и выбросить сеты с уникальными раздражающими пиками из каждого куска, которых нет в других.
По вычислительным ресурсам это равносильно любым 10 оптимизациям.
Потом, если исключить их из общей оптимизации по всем данным, будет тишь да гладь, да божья благодать. Но это не точно, только что придумал.
И найдем один холм.
Не знаю как в опт переменных исключать диапазоны произвольные.
Так.
По вычислительным ресурсам это равносильно любым 10 оптимизациям.
И найдем один холм.
Так.
Не один. Поэтому и предложил вариант последовательного выбрасывания.
алгоритмов много, я не знаю, есть ли алгоритмы ещё круче.
таблица живая, алго в них добавляю по мере их изучения, т.е. не могу сказать - вон тот вот самый классный, знаю только те что описал))
на самом деле уже можно было брать муравьиный, пчелиный и сорняковый, они очень хорошие. деревянный конечно сейчас рвёт всех, какой будет следующий лидер - не знаю.
до гибридных доберусь когда переберу все значимые известные, гибридные очень перспективные.
пока рассматриваю популяционные, но ведь есть и другие типы, интересно будет изучить и их тоже.
может есть такой уже :)
может есть такой уже :)
да, очень интересный организм.))
но, слизевик использует всего лишь 2 измерения, а с двумя измерениями справляются даже простейшие АО. как он будет себя вести в 1000 измерений - большой вопрос, ведь с ростом количества измерений сложность задачи растет нелинейно.
с ростом количества измерений сложность задачи растет нелинейно.
Для самообразования, какая зависимость сложности от измерений?
Для самообразования, какая зависимость сложности от измерений?
признаюсь - не знаю. знаю только что растёт нелинейно быстро.
тут Aleksey Nikolavev появлялся, может быть он знает точный ответ на этот вопрос. подзабыл каким способом можно звать пользователя форума.
сейчас на проверке находится статья о электромагнитном поиске - EM, при посредственных, в общем, характеристиках, он обладает одним свойством, которое меня поразило.
Для самообразования, какая зависимость сложности от измерений?