古典的には、明らかに最適化が困難なため、ニューラルネットワークを定量化する場合、単に整数を使うのではなく、浮動小数点数を整数で近似する。 An approachwidely used in the literature [52, 54, 60] for approximating floating-point numbers through integers of arbitrary depth is the algorithm proposed in the Google GEMMLOWP library [59].ー入力配列𝑋、ー、ー境界値[ー𝑣,ー𝑣]、ービット数𝑀、ー結果はー結果はー結果はー結果はー結果はー(ー)
複雑な説明だ。列をソートして32分割し、例えば重複があればすべて量子に放り込む。列が0と1しかない場合は、（重複があるため）32ではなく、2つの量子になる。
あなたはメソッド、私はゴールという意味ですね。方法は異なってもいい。経験的な方法は数学的な方法よりも優れていることが多い。おそらく一般的なサンプルの完全なデータがないからでしょう。
基本的に、ツリーは各予測子について個別に構築されることがわかる。
そうです、C4.5木が離散値に対してどのように構築されるかです。1つの分割。
あなたはメソッドについて話しているが、私はゴールについて話している。異なる方法もあり得る。経験的な方法の方が数学的な方法よりも優れていることが多い。おそらく、 一般的なサンプルの 完全なデータがないからでしょう。
非定常データの場合、「マスターサンプル」という概念はまったくなく、テールしかない。これが問題であり、トレーニングから得られる推定値が将来的に極めて困難になる理由である。
非定常データの場合、「マスターサンプル」という概念はまったくなく、テール（尾）しかない。これがすべての問題点であり、トレーニングで得られた推定値が将来得られることが極めて困難な理由である。
我々はそれを知らない。より正確には、私たちは分布の真の密度を知らない。
私は概念で生きているわけではない)
では、そのような現象はどのように呼ばれるのか、教えてほしい。私たちはその過程にいるのであって、宇宙のはるか彼方でとっくの昔に完成しているのだから、観測することはできない...。
非定常データの場合、「マスターサンプル」という概念はまったくなく、テール（尾）しかない。これがすべての問題点であり、トレーニングで得られた推定値が将来得られることが極めて困難な理由である。
その通りだ。
非定常データは常に他の非定常 データの累積的影響を受ける。その影響を受けて、テールは変化する。
データを記述する予測値の範囲。
ここでは、実際にアルゴリズムを説明しました - RSIを使った画像もあります。
全部と全部を分けて研究するんだ。
なぜ量子なのか理解できない。なぜ量子なのか理解できない。
あの子はルールに従って生きていないからだ、と彼は書いている)
年俸は年俸制の年俸制。
、、、、、、、、それがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがそれがアンタッチャブルなアル・マルク、アンタッチャブル、原田哲也さん、（（アンタッチャブル原田哲也さん、ンチャレンジャーズ専門用語。
量子化には様々な方法があり、分割のポイントを含む表-量子表-はすでにCatBoostのインストラクションからある。
ー 量子分割ー 量子表からー でもー でもー でもー でもー でもー でもー しかしー 極端なーにはー 限界がー がーあるーこれはすでに私の発明だ。
まあ、翻訳者のせいだろう。専門用語
量子化とその異なる方法があり、分割点を含む表、量子表、それはすでにCatBoost命令からある。
量子分割 - 量子表から、しかし極端なものには限界がある。これはすでに私の発明だ。
量子ではなく、おそらく量子化されている。
5.4 畳み込みニューラルネットワークの量子化
古典的には、明らかに最適化が困難なため、ニューラルネットワークを定量化する場合、単に整数を使うのではなく、浮動小数点数を整数で近似する。 An approachwidely used in the literature [52, 54, 60] for approximating floating-point numbers through integers of arbitrary depth is the algorithm proposed in the Google GEMMLOWP library [59].ー入力配列𝑋、ー、ー境界値[ー𝑣,ー𝑣]、ービット数𝑀、ー結果はー結果はー結果はー結果はー結果はー(ー)
𝑠𝑐𝑎𝑙𝑒 =(𝑣 - 𝑣)/2,(14) 𝑧𝑒𝑟𝑜_𝑝𝑜𝑖𝑛𝑡 = 𝑟𝑜𝑢𝑛𝑑(min(max(-𝑣/𝑠𝑐𝑎𝑙𝑒, 0),2)),(15)𝑜𝑢𝑡𝑝𝑢𝑡𝑝𝑢𝑡 = 𝑟𝑜𝑢𝑛𝑑(𝑋/𝑠𝑐𝑎𝑙𝑒 + 𝑧𝑒𝑟𝑜_𝑝𝑜𝑖𝑛𝑡).(16)
このように、浮動小数点数の各配列に対して、整数配列𝑜𝑢𝑡𝑝𝑢𝑡、 整数 𝑧𝑒𝑜𝑖𝑛𝑡, 正確にゼロを表す倍精度𝑠𝑐𝑎𝑙𝑒 数値は量化のスケールを定義 します。
https://dspace.susu.ru/xmlui/bitstream/handle/0001.74/29281/2019_401_fedorovan.pdf?sequence=1&isAllowed=y
量子的ではなく、定量的である。
5.4 畳み込みニューラルネットワークの量子化
古典的には、明らかに最適化が困難なため、ニューラルネットワークの量子化は、単なる整数ではなく、浮動小数点数を整数で近似したものを使用します。 浮動小数点数を任意の深さの整数で近似するために文献[52, 54, 60]で広く使われている アプローチに、Google GEMMLOWPライブラリ[59]で提案されているアルゴリズムがあります。入力配列𝑋、境界値[𝑣,𝑣]、ビット数𝑀を持ち、結果は以下のように定義されます：
𝑠𝑐𝑎𝑙𝑒 =(𝑣 - 𝑣)/2,(14) 𝑧𝑒𝑟𝑜_𝑝𝑜𝑖𝑛𝑡 = 𝑟𝑜𝑢𝑛𝑑(min(max(-𝑣/𝑠𝑐𝑎𝑙𝑒, 0),2)),(15)𝑜𝑢𝑡𝑝𝑢𝑡𝑝𝑢𝑡 = 𝑟𝑜𝑢𝑛𝑑(𝑋/𝑠𝑐𝑎𝑙𝑒 + 𝑧𝑒𝑟𝑜_𝑝𝑜𝑖𝑛𝑡).(16)
このように、浮動小数点数の各配列に対して、整数配列𝑜𝑢𝑡𝑝𝑢𝑡、 整数 𝑧𝑒𝑜𝑖𝑛𝑡、ゼロを正確に表す 整数、量化のスケールを定義する倍精度𝑙𝑒数。
https://dspace.susu.ru/xmlui/bitstream/handle/0001.74/29281/2019_401_fedorovan.pdf?sequence=1&isAllowed=y
つまり翻訳の問題で、これらはすべて同義語なのだ。CatBoostの設定です。