Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели в МГУА понимается число параметров. Для порождения используется [базовая модель], подмножество элементов которой должно входить в искомую модель. Для выбора моделей...
MGUA에 대한 첫 번째 출판물이 1960년대 어딘가에서 시작되었음을 상기시켜 드리겠습니다. "당신의 노하우))""세 번째" 샘플에 대한 테스트를 통한 아이디어 는 이미 60년))
그러나 접근 방식 자체는 오래되지 않았으므로 A.G. Ivakhnenko의 작품에 익숙해지는 것이 좋습니다.
예를 들어, MGUA 회귀는 현대 랜덤 포레스트 알고리즘의 회귀와 모든 종류의 부스팅을 조롱하는 것입니다.
이제 전보의 링크를 희생하여 .. 신호 외에는 아무 것도 찾지 못했지만 접근 방식과 사고 방식을 읽는 것이 흥미 롭습니다. Dmitry 는 공개적으로 촌스러운 형식이지만 여기에 게시해야한다고 올바르게 말합니다. .
JPrediction은 Ivakhnenko 방법에 따라 그룹 인수 방법을 사용합니다. Reshetov Yu.는 이에 대해 두 번 이상 말했습니다... 방법 자체는 데이터를 철저히 뒤흔들고 현재 현실로 일반화하기 위해 많은 샘플이 필요하지 않기 때문에 기계 시간 측면에서 노동 집약적입니다.
즉, 훈련 중과 테스트 중 네트워크 성능의 차이에 대해 이야기하고 있습니까?
확실히 손실이있을 것입니다-그것 없이는 방법이 없습니다
두 가지 테스트가 있습니다. 내부적으로 데이터 세트의 일부가 검사를 위해 할당될 때(보통 0.2), 신경이 보지 못한 부분을 단순히 가져갈 때 타사가 있습니다. 두 번째 결과는 실제 시장입니다. 그렇지 않은 경우 어딘가에 오류가 있는 것입니다.
실망시켜드려 죄송합니다. 하지만 귀하의 "검증 테스트"는 실제로 훈련 세트의 일부입니다.
나가
나는 버리지 않을 것이다. 다음 특정 문제를 해결하기 위해 벽에 머리를 박고 있는 누군가를 구할 준비가 되었습니다. 나는 이것을 통해 여성이 어둠 속에서 방황하는 한 달에서 구할 수 있다는 정보를 얻었습니다.
좋아, 너의 "정보"를 버려
좋아, 너의 "정보"를 버려
그저 일의 이력을 추적할 수 있는 텔레그램 채널에 대중을 위한 추론이 있을 뿐입니다. 여기서 나는 객관적이 되고 싶다.
좋아, "주제 정보"를 버려
누구나 이미 일반 Python 스크립트와 Python용 Metatrader5 라이브러리를 사용한 적이 있습니까?
지금까지 모든 것이 매우 빠르게 작동하고 있습니다. DB에 연결하면 보이게 됩니다.
두 가지 테스트가 있습니다. 내부적으로 데이터 세트의 일부가 검사를 위해 할당될 때(보통 0.2), 신경이 보지 못한 부분을 단순히 가져갈 때 타사가 있습니다. 두 번째 결과는 실제 시장입니다. 그렇지 않은 경우 어딘가에 오류가 있는 것입니다.
Evgeny 좋은 오후입니다. 95%가 .... 당신이 하고 있는 일( "세 번째" 샘플에 대한 테스트 ) 측면에서 GMDH (GMDH)(논증의 그룹 회계 방법) 는 "예측 능력의 기준"이라고 합니다 http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1. 82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune
MGUA에 대한 첫 번째 출판물이 1960년대 어딘가에서 시작되었음을 상기시켜 드리겠습니다. " 당신의 노하우))" "세 번째" 샘플에 대한 테스트를 통한 아이디어 는 이미 60년))
그러나 접근 방식 자체는 오래되지 않았으므로 A.G. Ivakhnenko의 작품에 익숙해지는 것이 좋습니다.
예를 들어, MGUA 회귀는 현대 랜덤 포레스트 알고리즘의 회귀와 모든 종류의 부스팅을 조롱하는 것입니다.
이제 전보의 링크를 희생하여 .. 신호 외에는 아무 것도 찾지 못했지만 접근 방식과 사고 방식을 읽는 것이 흥미 롭습니다. Dmitry 는 공개적으로 촌스러운 형식이지만 여기에 게시해야한다고 올바르게 말합니다. .
Evgeny 좋은 오후입니다. 95%가 .... 당신이 하고 있는 일( "세 번째" 샘플에 대한 테스트 ) 측면에서 GMDH (GMDH)(논증의 그룹 회계 방법) 는 "예측 능력의 기준"이라고 합니다 http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1. 82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune
MGUA에 대한 첫 번째 출판물이 1960년대 어딘가에서 시작되었음을 상기시켜 드리겠습니다. " 당신의 노하우))" "세 번째" 샘플에 대한 테스트를 통한 아이디어 는 이미 60년))
그러나 접근 방식 자체는 오래되지 않았으므로 A.G. Ivakhnenko의 작품에 익숙해지는 것이 좋습니다.
예를 들어, MGUA 회귀는 현대 랜덤 포레스트 알고리즘의 회귀와 모든 종류의 부스팅을 조롱하는 것입니다.
이제 전보의 링크를 희생하여 .. 신호 외에는 아무 것도 찾지 못했지만 접근 방식과 사고 방식을 읽는 것이 흥미 롭습니다. Dmitry 는 공개적으로 촌스러운 형식이지만 여기에 게시해야한다고 올바르게 말합니다. .
JPrediction은 Ivakhnenko 방법에 따라 그룹 인수 방법을 사용합니다. Reshetov Yu.는 이에 대해 두 번 이상 말했습니다... 방법 자체는 데이터를 철저히 뒤흔들고 현재 현실로 일반화하기 위해 많은 샘플이 필요하지 않기 때문에 기계 시간 측면에서 노동 집약적입니다.
믿기지 않으시면 확인해보세요 :-)