アブソリュートコース - ページ 73 1...666768697071727374757677787980...113 新しいコメント Alexey Subbotin 2013.03.10 18:03 #721 また、煩わしいと思われる方は、こちら 削除済み 2013.03.10 18:15 #722 また、根がない場合は、どこにアドバイスするのでしょうか？ 削除済み 2013.03.10 18:17 #723 方程式に関する新しい考え方があります。0.998683^x + 1.00216908^u+ 1.002040888^z+ 0.998182^e+ 1.003999^k=1先生はもうお分かりだと思いますが) 削除済み 2013.03.10 18:20 #724 Joperniiteatr:方程式に関する新しい考え方があります。0.998683^x + 1.00216908^u+ 1.002040888^z+ 0.998182^e+ 1.003999^k=1の場合、ターゲットに応じて選択することも可能です）、計算するためにいくつかの考えを試してみます。 http://newfiz.narod.ru/gra-opus.htmそのため、悲壮感を漂わせながら、カーブの手法に頼っています。簡単に言えば「スルーアス」、科学的に言えば「多くのパラメーターの最適化」である。この方法の素晴らしさを知っている人はほとんどいないでしょう。そこでは、実験データの流れの中に、理論的な理由から不要な機能が存在することがある。フィルタリング、平滑化など、数学的な手続きは一通り揃っているのだ。- で、データストリームから不必要な無意味なものをすべて取り除くことができます。取り除くというのは、決して難しいことではありません。しかし、その逆の場合、科学者はどうすればいいのだろうか。ある特徴がデータの流れから頑なに消えている、しかし、本当はそこにあってほしい、という場合だ。そのような場合に、マルチパラメーターで最適化する方法が開発された。存在しない効果の存在を極めて科学的に証明できる点が良い。そのために、解析的に解けない複雑な方程式を書き、その中で目的の効果を出す、これが重要なポイントです。- は本当に存在するかのように扱われます。数式は工夫すればするほど、またパラメータは多ければ多いほどよい。なぜなら、さらなる「最適化」の謎の感覚は、詮索してもわからなくなってしまうからです。この謎は以下の通りです。高速のコンピュータを使って、方程式の入力パラメータを変化させ、目的の効果を持つ理論と、その効果を持たない実験データとの間の最適な一致を見つけるのである。慣れない人には不思議に思われるかもしれません。このような場合、どのような「ベストフィット」を語ればいいのでしょうか。そう、効くやつです！（笑もちろん、ここでは悪い意味でのベストを尽くしていますが、正直言って最高ですこれが「最適化」の意味です。彼らは、本当に無意味にコンピュータを動かしていたわけではありません。そこで、コンピュータは「最適化」されたパラメーターの値のパケットを出すことになる。そして今、親愛なる仲間の誰かが、この「最適化」が考え出された効果が本当に存在するのか疑ってみることにしよう。理論的に考慮され、この理論と実験データが最もよく一致することがわかったというのに、どうして存在しないことになるのだろう！？ 削除済み 2013.03.10 18:25 #725 この戦争と平和のテキストが、私に当てはまるとは思えないのですが...。 Alexey Subbotin 2013.03.10 18:26 #726 Dr.F.:また、根がない場合は、どこにアドバイスするのでしょうか？ 同じ場所です。根がないかを調べるため。CHAGOを 読んで、いろいろな方法を試してみてください。どれも、根っこがなければ見つけることはできません。 削除済み 2013.03.10 18:28 #727 Joperniiteatr: この戦争と平和のテキストが、私に当てはまるとは思えないのですが...。 こんな感じです。Joperniiteatr:...先生は、私が何を言いたいかわかっていると思う) 特に、最適化を始める前に、度数指標に十数個のパラメータを入れておくと面白いのですが......。 削除済み 2013.03.10 18:29 #728 alsu: そこにも。根がないかを調べるため。CHYAGOを 読んで、いろいろな方法を試してみてください。どれも、根っこがなければ見つけることはできません。 関数だけを見て考えるか、プロットして見るか、どちらかですね。それで十分だと思います。 削除済み 2013.03.10 18:33 #729 Dr.F.: へっへっへ、こんな感じ。 バグの疑いがあるので、再確認が必要です。過剰最適化のように見えるのは、おそらく間違ったデータを計算に突っ込んだからで、基準点に対する感度があるのかもしれません。 削除済み 2013.03.10 18:34 #730 Joperniiteatr: バグの疑いがあるので、再確認が必要です。過剰最適化のように見えるのは、おそらく間違ったデータを計算に突っ込んだからで、基準点に対する感受性があるのかもしれません。 数式をコケにして、どこから来たのか、スレッドの話題とどう関係するのか、見逃していました。 1...666768697071727374757677787980...113 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
また、根がない場合は、どこにアドバイスするのでしょうか？
方程式に関する新しい考え方があります。
0.998683^x + 1.00216908^u+ 1.002040888^z+ 0.998182^e+ 1.003999^k=1
先生はもうお分かりだと思いますが)
方程式に関する新しい考え方があります。
0.998683^x + 1.00216908^u+ 1.002040888^z+ 0.998182^e+ 1.003999^k=1
の場合、ターゲットに応じて選択することも可能です）、計算するためにいくつかの考えを試してみます。
http://newfiz.narod.ru/gra-opus.htm
そのため、悲壮感を漂わせながら、カーブの手法に頼っています。簡単に言えば「スルーアス」、科学的に言えば「多くのパラメーターの最適化」である。この方法の素晴らしさを知っている人はほとんどいないでしょう。そこでは、実験データの流れの中に、理論的な理由から不要な機能が存在することがある。フィルタリング、平滑化など、数学的な手続きは一通り揃っているのだ。- で、データストリームから不必要な無意味なものをすべて取り除くことができます。取り除くというのは、決して難しいことではありません。しかし、その逆の場合、科学者はどうすればいいのだろうか。ある特徴がデータの流れから頑なに消えている、しかし、本当はそこにあってほしい、という場合だ。そのような場合に、マルチパラメーターで最適化する方法が開発された。存在しない効果の存在を極めて科学的に証明できる点が良い。そのために、解析的に解けない複雑な方程式を書き、その中で目的の効果を出す、これが重要なポイントです。- は本当に存在するかのように扱われます。数式は工夫すればするほど、またパラメータは多ければ多いほどよい。なぜなら、さらなる「最適化」の謎の感覚は、詮索してもわからなくなってしまうからです。この謎は以下の通りです。高速のコンピュータを使って、方程式の入力パラメータを変化させ、目的の効果を持つ理論と、その効果を持たない実験データとの間の最適な一致を見つけるのである。慣れない人には不思議に思われるかもしれません。このような場合、どのような「ベストフィット」を語ればいいのでしょうか。そう、効くやつです！（笑もちろん、ここでは悪い意味でのベストを尽くしていますが、正直言って最高ですこれが「最適化」の意味です。彼らは、本当に無意味にコンピュータを動かしていたわけではありません。そこで、コンピュータは「最適化」されたパラメーターの値のパケットを出すことになる。そして今、親愛なる仲間の誰かが、この「最適化」が考え出された効果が本当に存在するのか疑ってみることにしよう。理論的に考慮され、この理論と実験データが最もよく一致することがわかったというのに、どうして存在しないことになるのだろう！？
また、根がない場合は、どこにアドバイスするのでしょうか？
同じ場所です。根がないかを調べるため。CHAGOを 読んで、いろいろな方法を試してみてください。どれも、根っこがなければ見つけることはできません。
この戦争と平和のテキストが、私に当てはまるとは思えないのですが...。
こんな感じです。
...先生は、私が何を言いたいかわかっていると思う)
そこにも。根がないかを調べるため。CHYAGOを 読んで、いろいろな方法を試してみてください。どれも、根っこがなければ見つけることはできません。
関数だけを見て考えるか、プロットして見るか、どちらかですね。それで十分だと思います。
へっへっへ、こんな感じ。
バグの疑いがあるので、再確認が必要です。過剰最適化のように見えるのは、おそらく間違ったデータを計算に突っ込んだからで、基準点に対する感度があるのかもしれません。
バグの疑いがあるので、再確認が必要です。過剰最適化のように見えるのは、おそらく間違ったデータを計算に突っ込んだからで、基準点に対する感受性があるのかもしれません。