De la teoría a la práctica - página 276
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
Eso está mucho más cerca del tema)). Sin embargo, cuéntalo como quieras).
Ni siquiera voy a entrar en estas distribuciones. La distribución es lo que es en realidad, y los intentos de ajustarla a algo con un nombre son, en mi opinión, infundados. ¿Por qué debe corresponder a algo concreto que ya se conoce?
Digamos que nadie ha intentado describir la distribución de la radiación del cuerpo negro mediante distribuciones ya conocidas. ¿Por qué demonios intentamos igualar algo ya conocido aquí?
¡Yuri, deja de disipar el grial! ¡Esto es una barbaridad! Casi nos lo creemos).
No lo estoy desmintiendo en absoluto.
Una vez, hace mucho tiempo, asistí a un seminario en el Instituto Keldysh. Ya no recuerdo nada, ni siquiera los temas de las clases. Sin embargo, había una idea muy interesante: cuanto más complejo sea el sistema, más sencillo debe ser el modelo. Es decir, los modelos más sencillos dan las descripciones más precisas, dentro de lo razonable, por supuesto.
No lo estoy desmintiendo en absoluto.
Una vez, hace mucho tiempo, asistí a un seminario en el Instituto Keldysh. Ya no recuerdo nada, ni siquiera los temas de las clases. Sin embargo, había una idea muy interesante: cuanto más complejo sea el sistema, más sencillo debe ser el modelo. Es decir, los modelos más sencillos dan las descripciones más precisas, dentro de lo razonable, por supuesto.
¡ahí lo tienes!
exactamente
No lo estoy desmintiendo en absoluto.
Una vez, hace mucho tiempo, asistí a un seminario en el Instituto Keldysh. Ya no recuerdo nada, ni siquiera los temas de las clases. Sin embargo, había una idea muy interesante: cuanto más complejo sea el sistema, más sencillo debe ser el modelo. Es decir, los modelos más sencillos dan las descripciones más precisas, dentro de lo razonable, por supuesto.
La idea es ciertamente interesante. Ese orador era probablemente de un grupo que estudiaba el comportamiento de un caballo esférico en el vacío))
En mi opinión, el modelo, en primer lugar, debería ser adecuado. Es decir, debe reflejar los procesos que tienen lugar dentro del objeto. Y cuanto más preciso sea, mejor (esto va en función de la capacidad y la habilidad).
Entonces será viable y prácticamente útil.
Como siempre, puedo estar equivocado.
A lo que se refiere))). Qué, bueno qué-qué. No tiene uno que funcione, ni simple ni elemental. Si alguien se rasca la cabeza, es como, bueno, lo sabía, estoy de acuerdo. Sectarios.
apchi
Iba a añadir ahí, ni siquiera así, sino así:
un sistema simple, un modelo simple.
sistema simple, modelo elemental.
forex es un sistema sencillo, 100%
Prácticamente he comprobado por mí mismo que un modelo con menos entradas y longitud polinómica es más pequeño que un modelo con más entradas y longitud polinómica suele ser más adecuado para el mercado, lo que no se ajusta a la lógica según la cual cuanto más complejo es el modelo, más inteligente es. Por supuesto, este efecto no siempre es cierto y a veces un modelo muy pequeño también es inadecuado. Pero... he encontrado una manera de elegir un modelo que es el más adecuado de todos los modelos presentados, en eso en el área de entrenamiento sin desperdiciar una preciosa parcela de OOS.
Imagina que recibes varios modelos y tras evaluarlos con bastante precisión eliges el que va a puntuar en el futuro. Y marca en ...... Ese fue mi avance hace poco menos de un mes...
Pruébalo en tu depósito.
La idea, por supuesto, es interesante. Ese orador debía ser de un grupo que estudiaba el comportamiento del caballo esférico en el vacío).
En mi opinión, un modelo, en primer lugar, debe ser adecuado. Es decir, debe reflejar los procesos que tienen lugar dentro del objeto. Y cuanto más preciso sea, mejor (esto va en función de la capacidad y la habilidad).
Entonces será viable y prácticamente útil.
Como siempre, puedo estar equivocado.
Empecemos por la caja negra: no sabemos lo que ocurre en su interior. ¿De qué - "reflejar los procesos que se desarrollan en el interior del objeto" podemos estar hablando? Y la pregunta sobre la exactitud de la descripción de los procesos en el objeto es errónea. Un modelo de la EB no pretende describir en absoluto los procesos dentro de la EB. El modelo debe describir el comportamiento del sistema en su conjunto.
El requisito de simplicidad sólo da viabilidad, y la complicación da una excelente convergencia sólo en la sección de desarrollo del modelo. Esto se puede demostrar en los modelos de regresión simple, donde lo simple describe el proceso de forma más adecuada.
Sí, y la simplicidad no debe confundirse con el primitivismo.
Es más lógico hablar de estimaciones cuantitativas. Y los beneficios de los sistemas complejos son tan insignificantes que cuando se trata de calidad/resultados, pierden frente a los simples. Es como si tomaras el sistema que adivina el objetivo más cercano, y uno simple que adivina el objetivo con menos precisión. Pero hay intercambios positivos y negativos. Un plus más preciso (de grasa) dará un menos más preciso (de grasa). Así que no tiene sentido complicarlo. Además, si se utiliza un modelo complejo en los métodos iterativos, se gastarán recursos en pasos de siete millas a la menor complicación. Y el tiempo también. Así que la complicación también depende de las condiciones específicas. Si la producción es de 3 kopeks, pero los recursos se comen hasta un lakh, ¿merece la pena? Esto no se debe a que lo simple sea más preciso. Es porque la precisión de un complejo es menos significativa en total.
Estás diciendo todas las cosas correctas. Y eso también es importante. Pero yo estaba escribiendo sobre una cosa ligeramente diferente. Sobre el aumento del error del modelo cuando éste se vuelve más complejo, digamos que por encima de algún umbral. Por ejemplo, para un proceso Wiener, el mejor predictor es el valor actual. Tratar de hacer el modelo más complejo conduce a una disminución de la precisión de la predicción, y es preferible un modelo más simple. Al modelar otros sistemas, suele ocurrir lo mismo.
Es simplemente más lógico hablar de evaluaciones cuantitativas. Y las ventajas de los sistemas complejos son tan insignificantes que, a la hora de elegir la calidad/resultado, pierden frente a los simples. Es como si tomaras el sistema que adivina el objetivo más cercano, y uno simple que adivina el objetivo con menos precisión. Pero hay acuerdos positivos y negativos. Un plus más preciso (de grasa) dará un menos más preciso (de grasa). Así que no tiene sentido complicarlo. Además, si se utiliza un modelo complejo en los métodos iterativos, se gastarán recursos en pasos de siete millas a la menor complicación. Y el tiempo también. Así que la complicación también depende de las condiciones específicas. Si la producción es de 3 kopeks, pero los recursos se comen hasta un lakh, ¿merece la pena? Esto no se debe a que lo simple sea más preciso. Es porque la precisión de un complejo es menos significativa en total.