ベイズ回帰 - このアルゴリズムを使ってEAを作った方はいらっしゃいますか? - ページ 43 1...363738394041424344454647484950...55 新しいコメント Dmitry Fedoseev 2016.03.11 20:00 #421 Дмитрий:定常性とは、あるプロセスが時間の経過とともにその特性を変化させない性質の ことである。 具体的にはどのような特性ですか? Дмитрий 2016.03.11 20:01 #422 Dmitry Fedoseev: 具体的にはどのような特性ですか? 分散 Dmitry Fedoseev 2016.03.11 20:02 #423 Дмитрий: 分散 で終わり? Дмитрий 2016.03.11 20:02 #424 系列の分散が無限大に傾いている場合、そこで何を予測するのか? Дмитрий 2016.03.11 20:02 #425 Dmitry Fedoseev: で終わり? 大まかに言えば、IOと分布関数もある Dmitry Fedoseev 2016.03.11 20:03 #426 Дмитрий: 広義にはMOと分布関数も そうすると、広義にはMOならストキャスティクスで十分なのです。ダメ? Дмитрий 2016.03.11 20:05 #427 Dmitry Fedoseev: それから、大雑把に言うと、MOEならストキャスティクスで十分です。ダメ? 分散に集中する-問題の根源はそこにある СанСаныч Фоменко 2016.03.11 20:12 #428 Дмитрий:非定常データは、時系列モデルで予測できない。統計モデル(回帰、自己回帰、平滑化など)、構造モデル(NS、分類、マルコフ連鎖など)いずれもなし。教科用モデルのみ。分類については賛成できない。そこでは非定常性の問題は全く見られない。ノミナル(カテゴリー)データに対するモデルも十分可能です。非定常性は名目データとは全く関係ない。さらに、確率変数を名目値に変換すること、例えばRSIを水準に変換することは、結果に非常に有利な影響を及ぼします。そこには非定常性、あらゆるモデリングの基本であるモデルの過剰適合(オーバーフィッティング)という問題がつきまとう。そして、オーバーフィッティングの問題を解決するためには、予測因子と真剣に向き合わなければならない。 Дмитрий 2016.03.11 20:14 #429 СанСаныч Фоменко:分類については納得がいきません。そこには非定常性の問題は全くない。名目(カテゴリー)データに対するモデルは全く問題ありません。非定常性は名目データとは全く関係ない。さらに、確率変数を名目値に変換すること、例えばRSIを水準に変換することは、結果に非常に有利な影響を及ぼします。そこには非定常性、あらゆるモデリングの基本であるモデルの過剰適合(オーバーフィッティング)という問題がつきまとう。そして、オーバーフィッティングの問題を解決するためには、予測因子と真剣に向き合わなければならない。 また、分類は入力データの特性に基づいて行われ、その特性が時間の経過とともに変化すると、将来的に分類を適用したときに誤った予測が行われることになる Дмитрий 2016.03.11 20:15 #430 何もかもが悲しい...。 1...363738394041424344454647484950...55 新しいコメント 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか? Googleでログイン
定常性とは、あるプロセスが時間の経過とともにその特性を変化させない性質の ことである。
具体的にはどのような特性ですか?
分散
で終わり?
広義にはMOと分布関数も
それから、大雑把に言うと、MOEならストキャスティクスで十分です。ダメ?
非定常データは、時系列モデルで予測できない。統計モデル(回帰、自己回帰、平滑化など)、構造モデル(NS、分類、マルコフ連鎖など)いずれもなし。
教科用モデルのみ。
分類については賛成できない。
そこでは非定常性の問題は全く見られない。ノミナル(カテゴリー)データに対するモデルも十分可能です。非定常性は名目データとは全く関係ない。さらに、確率変数を名目値に変換すること、例えばRSIを水準に変換することは、結果に非常に有利な影響を及ぼします。
そこには非定常性、あらゆるモデリングの基本であるモデルの過剰適合(オーバーフィッティング)という問題がつきまとう。そして、オーバーフィッティングの問題を解決するためには、予測因子と真剣に向き合わなければならない。
分類については納得がいきません。
そこには非定常性の問題は全くない。名目(カテゴリー)データに対するモデルは全く問題ありません。非定常性は名目データとは全く関係ない。さらに、確率変数を名目値に変換すること、例えばRSIを水準に変換することは、結果に非常に有利な影響を及ぼします。
そこには非定常性、あらゆるモデリングの基本であるモデルの過剰適合(オーバーフィッティング)という問題がつきまとう。そして、オーバーフィッティングの問題を解決するためには、予測因子と真剣に向き合わなければならない。