//день недели, час = ввести через 2 предиктора sin и cos угла от полного цикла 360/7, 360/24
if(nameInd[nInd]=="Hour") {CopyTime (sim,per,startDt,n_bar+1,dtm);TimeToStruct(dtm[0],dts);ArrayResize(tmp,1);tmp[0]=(double)(dts.hour*60+dts.min)*360.0/1440.0;tmp[0]=(buf==0?MathSin(tmp[0]*pi/180.0):MathCos(tmp[0]*pi/180.0));}// для увеличения точности добавлены минуты 360/24 = 360/24/60 = 360/1440
if(nameInd[nInd]=="WeekDay") {CopyTime (sim,per,startDt,n_bar+1,dtm);TimeToStruct(dtm[0],dts);ArrayResize(tmp,1);tmp[0]=(double)(dts.day_of_week*1440+dts.hour*60+dts.min)*360.0/10080.0;tmp[0]=(buf==0?MathSin(tmp[0]*pi/180.0):MathCos(tmp[0]*pi/180.0));}// для увеличения точности добавлены часы и минуты 360/7 = 360/7/24/60 = 360/10080
そして、スプレッドでカバーできない場合はどうするのでしょうか?
重複は常にオーバーカバーとなり、モデル残差は自己相関する
つまり、自己欺瞞。前回の記事の写真をご覧ください。重複は常に上書きされ、モデル残差は自己相関する
つまり、自己欺瞞。前回の記事の写真をご覧ください。説明のない絵 - ただの絵)
最初の写真の蝶番はマークシリーズで、モデルはこれで再トレーニングされます。新しいデータでは系列が全く異なるため
データセットから取り出した、その関係(特徴空間)。そんなスクリーンショットをすでに書いて投げています。
興味のある方は、ぜひお読みください。
http://www.ievbras.ru/ecostat/Kiril/Library/Book1/Content128/Content128.htm
最初の写真に写っているヒンジはシリーズのマークで、モデルはこれに再教育されています。新しいデータでは系列が全く異なるため
データセットから取得した、5つの主成分とその関係(特徴空間)。このスクリーンショットはすでに書いて貼り付けてあります。
私見ですが、オーバートレーニングの対策は他の方法で行った方が良いと思います。
もしスプレッドに勝てないのであれば、それは本当にオーバートレーニングではないのでしょう。
私の考えでは、やせずに、他の方法でオーバートレーニングに対抗する方がいいと思います。
//день недели, час = ввести через 2 предиктора sin и cos угла от полного цикла 360/7, 360/24
if(nameInd[nInd]=="Hour") {CopyTime (sim,per,startDt,n_bar+1,dtm);TimeToStruct(dtm[0],dts);ArrayResize(tmp,1);tmp[0]=(double)(dts.hour*60+dts.min)*360.0/1440.0;tmp[0]=(buf==0?MathSin(tmp[0]*pi/180.0):MathCos(tmp[0]*pi/180.0));}// для увеличения точности добавлены минуты 360/24 = 360/24/60 = 360/1440
if(nameInd[nInd]=="WeekDay") {CopyTime (sim,per,startDt,n_bar+1,dtm);TimeToStruct(dtm[0],dts);ArrayResize(tmp,1);tmp[0]=(double)(dts.day_of_week*1440+dts.hour*60+dts.min)*360.0/10080.0;tmp[0]=(buf==0?MathSin(tmp[0]*pi/180.0):MathCos(tmp[0]*pi/180.0));}// для увеличения точности добавлены часы и минуты 360/7 = 360/7/24/60 = 360/10080
コード上、buf=0 ならサイン、それ以外( buf==1 )ならコサインとなります。
木型は何でも消化する。
サインとコサインはすでに-1...+1に正規化されているので、NSに適しています
このバリアントと数字時間を比較したら、どちらが良いか教えてください。何か、曜日、時、分を入力すれば100%一致するような気がするのですが。
サインかコサインか、ユーザーの判断で決められるのか、よくわからない?
pi - 図書館から持ってきたのか、それともある桁までの精度なのか、どれなのか、どの定数を設定したのか、ここに書いておいた方がいいでしょう。
よくわからないのですが、サインやコサインはユーザーの判断で得られるのでしょうか?
pi - 図書館から持ってきたのか、それともある記号まで正確なのか、どれだ - ここに設定した定数を書いた方がいい。
モデルには、時計用のサインとコサインの両方、2列が必要です。そして、曜日を 表すサイン+コサイン。なぜそうする必要があるのかは、リンク先をご覧ください。
pi = 3,141529 ...学校から
上記の本を読むと、数学の知識の乏しさを痛感する。もし自由に読んでいる人がいたら、うらやましい。
問題は、異なる時間間隔で周期的に繰り返されるプロセスを、1つまたは2つの数字で表すにはどうしたらいいかということです。このプロセスは、繰り返し周波数が高く、ある濃密な帯域があり、その後周波数がフェードアウトし、観測区間の15%程度は信号がないこともあります。目的は、観測期間のどの部分でも臨界(70%)の混雑がなく、他の区間では十分な信号があるかどうか、つまり均一 分布に近いほど良いのですが、信号の性質そのものは均一分布とは程遠い(と私は思っています)のです。
よくわからないのですが、サインやコサインはユーザーの判断で得られるのでしょうか?
pi - 図書館から持ってきたのか、それともある記号まで正確なのか、どれだ - ここに設定した定数を書いた方がいい。