Ecuación de regresión - página 16
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Cuánto tiempo le llevó hacer este descubrimiento? :)
Por ejemplo, ¿no quiere abrir algo como "matrices en el análisis de divisas"?
Por ejemplo, ¿quieres por casualidad iniciar algo como "matrices en el análisis de divisas"?
Ya he tenido suficiente con mis laboratorios, gracias.
Me han hecho dormir cada dos días por segunda semana consecutiva.
Ya he tenido suficiente con mis laboratorios, gracias.
Me han hecho dormir cada dos noches durante la segunda semana.
Escúpelo. Hay una falta catastrófica de cosas buenas.
P.D. Por supuesto, seguro que te cagas. Pero en algún momento dejarás de prestar atención.
Escúpelo. Hay catastróficamente poco que sea útil.
P.D. Por supuesto, seguro que te cagas. Pero en algún momento dejarás de prestarle atención.
)) Así que probablemente se trate de la universidad :)
Con respecto al artículo - he visto en algún lugar una implementación (o similar) del algoritmo (por estos autores). En cuanto lo encuentre, lo publicaré.
P.D. No tengo el artículo completo. ((
Si alguien todavía tiene interés, el segundo autor del artículo en la introducción de su doctorado en Economía (2006, Muravyev, Dmitry Georgievich, Mathematical and Instrumental Methods in Economics, Scientific Library of Dissertations and Author's Abstracts dissertationCat http://www.dissercat.com/content/matematicheskie-metody-razrabotki-i-otsenki-strategii-torgovli-na-mezhbankovskom-valyutnom-r?_openstat=cmVmZXJ1bi5jb207bm9kZTthZDE7#ixzz3vXr6iRi5) señala:
"Los métodos y algoritmos desarrollados en este trabajo se basan en las ideas de V.N. Vapnik de encontrar una regla cercana a la mejor de la clase para un tamaño de muestra dado con la estimación de la calidad de la regla en la población general con una fiabilidad dada."
Vapnik lleva décadas dedicándose al reconocimiento de patrones, y aplicado a dicha "búsqueda de reglas" escribió una monografía muy buena
Vapnik V. N. Dependence reconstruction from empirical data.-Moscow: Nauka, 1979. - 448 p. http://www. machinelearning.ru/wiki/index.php?title=%D0%9F%D1%83%D0%B1%D0%BB%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F:%D0%92%D0%B0%D0%BF%D0%BD%D0%B8%D0%BA_1979_%D0%92%D0%BE%D1%81%D1%81%D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9
Se introduce la noción de riesgo medio, o riesgo empírico, que incluye no sólo el riesgo de desviación de la función de aproximación con respecto a los datos disponibles (se minimiza con OLS), sino también el riesgo de un número excesivo de parámetros o funciones ajustadas.
Utilicé, según recuerdo, su otro libro, 1984, Algorithms and Dependency Recovery Programs, que me permitió escribir una implementación directamente desde el texto del libro en Fortran. Tomé de diferentes lugares funciones definidas por puntos, calculé aproximaciones por polinomios algebraicos y trigonométricos, combinaciones mixtas de cualquier función. Me sorprendió la precisión de sus algoritmos para determinar cuántos parámetros hay que mantener y cuántos serán innecesarios. Me sorprendió en el sentido de que en casi todos los ejemplos yo mismo dejaría la misma cantidad y los mismos parámetros.