RANDOM SERIES에 머신 러닝 기법을 적용할 때, 동일한 입력 변수 집합이 동일한 종속 변수에 해당하는 상황은 실질적으로 발생하지 않습니다. 종속 변수의 다른 값은 최소화해야 하는 예측 오류를 형성합니다.
이 스레드는 모두 예측 오류를 최소화하는 것에 관한 것입니다.
기본적인 진리....
오차를 최소화하는 것이 시간적으로가 아니라 실제 결과에서 무한히 길어질 수 있는 훈련 방법이 있고 훈련 중에 얻은 최소 오차가 모델의 일반화 능력을 평가하는 기준이 아님을 알고 계셨습니까? 오류 역전파 방법이 모든 데이터의 오류를 0으로 최소화하는 방법이라고 가정해 보겠습니다. 그러나 일반적으로 이러한 모델은 일반화 능력이 없고 새로운 데이터에 대해 잘 작동하지 않습니다. 즉, 이 방법은 충돌하는 데이터가 있는 경우 오류를 0으로 최소화할 수 있지만 실제적인 의미는 거의 없습니다. 그러니 저를 믿으세요. 훈련 오류를 최소화하는 것만으로는 훈련 방법이 충분하지 않습니다!
Michael Marchukajtes # : 오차를 최소화하는 것이 시간적으로가 아니라 실제 결과에서 무한히 길어질 수 있는 훈련 방법이 있고 훈련 중에 얻은 최소 오차가 모델의 일반화 능력을 평가하는 기준이 아님을 알고 계셨습니까? 오류 역전파 방법이 모든 데이터의 오류를 0으로 최소화하는 방법이라고 가정해 보겠습니다. 그러나 일반적으로 이러한 모델은 일반화 능력이 없고 새로운 데이터에 대해 잘 작동하지 않습니다. 즉, 이 방법은 충돌하는 데이터가 있는 경우 오류를 0으로 최소화할 수 있지만 실제적인 의미는 거의 없습니다. 그러니 저를 믿으세요. 훈련 오류를 최소화하는 것만으로는 훈련 방법이 충분하지 않습니다!
그리고 우리가 당신의 아이디어에 대해 이야기한다면, 나는 당신이 생각하는 것을 이해합니다. 당신은 다음과 같은 기능을 할 수 있습니다:
A[1]*X^0+A[2]* X^1 + ... + A[N]*X^N , 이것은 A[i] > 0을 제외하고 일반적으로 Taylor 급수(함수 급수)입니다. 모든 i = 1...N에 대해 이것은 시각적으로 다음과 같은 경우 일반적인 경우 정확하게 1차 도함수의 일정한 증가를 제공합니다.
Differencing is a popular and widely used data transform for time series. In this tutorial, you will discover how to apply the difference operation to your time series data with Python. After completing this tutorial, you will know: About the differencing operation, including the configuration of the lag difference and the difference order. How...
RANDOM SERIES에 머신 러닝 기법을 적용할 때, 동일한 입력 변수 집합이 동일한 종속 변수에 해당하는 상황은 실질적으로 발생하지 않습니다. 종속 변수의 다른 값은 최소화해야 하는 예측 오류를 형성합니다.
이 스레드는 모두 예측 오류를 최소화하는 것에 관한 것입니다.
기본적인 진리....
왜 랜덤?
그게 다야 교환 시계열은 기본적으로 고정적이지 않지만 확실히 무작위는 아닙니다. 가격 계열을 바꾸는 데는 항상 이유가 있고, 가격을 예측하는 데 도움이 되는 것은 효과가 아니라 원인 분석입니다!
.............. 결정론적 비정상 급수의 예를 제시하십시오.
오차를 최소화하는 것이 시간적으로가 아니라 실제 결과에서 무한히 길어질 수 있는 훈련 방법이 있고 훈련 중에 얻은 최소 오차가 모델의 일반화 능력을 평가하는 기준이 아님을 알고 계셨습니까? 오류 역전파 방법이 모든 데이터의 오류를 0으로 최소화하는 방법이라고 가정해 보겠습니다. 그러나 일반적으로 이러한 모델은 일반화 능력이 없고 새로운 데이터에 대해 잘 작동하지 않습니다. 즉, 이 방법은 충돌하는 데이터가 있는 경우 오류를 0으로 최소화할 수 있지만 실제적인 의미는 거의 없습니다. 그러니 저를 믿으세요. 훈련 오류를 최소화하는 것만으로는 훈련 방법이 충분하지 않습니다!
날뛰다
왜 랜덤?
시계열 - 결정적, 무작위 및 확률적. 다른 사람은 없습니다. 일반적으로.
외환 및 주식 시세 - 시리즈는 무엇입니까?
그리고 우리가 당신의 아이디어에 대해 이야기한다면, 나는 당신이 생각하는 것을 이해합니다. 당신은 다음과 같은 기능을 할 수 있습니다:
A[1]*X^0+A[2]* X^1 + ... + A[N]* X^N , 이것은 A[i] > 0을 제외하고 일반적으로 Taylor 급수(함수 급수)입니다. 모든 i = 1...N에 대해 이것은 시각적으로 다음과 같은 경우 일반적인 경우 정확하게 1차 도함수의 일정한 증가를 제공합니다.
Python으로 시계열 데이터 세트를 구별하는 방법
시계열 예측을 위한 기계 학습 모델을 백테스트하는 방법
예, 네트워크에서 무언가가 발견되었습니다 ... 계절성 조정 및 시간의 더 중요한 이벤트에 대한 조정은 혼란 스럽습니다 ...
... 및 횟수:
따라서 모든 시간적 종속성이 제거될 때까지 차분 과정을 두 번 이상 반복할 수 있습니다.
차분이 수행되는 횟수를 차분 차수라고 합니다.
추신
여기에서도 링크를 통해 살펴보겠습니다(기사 감사합니다)
시계열 - 결정적, 무작위 및 확률적. 다른 사람은 없습니다. 일반적으로.
외환 및 주식 시세 - 시리즈는 무엇입니까?
난 이런거 잘 못하는데..
내가 틀리지 않았다면: 확률 이론의 관점에서 - 따옴표는 임의의 고정되지 않은 프로세스입니다.
그러나 나는 이것에 동의하지 않습니다.
난 이런거 잘 못하는데..
내가 틀리지 않았다면: 확률 이론의 관점에서 - 따옴표는 임의의 고정되지 않은 프로세스입니다.
그러나 나는 이것에 동의하지 않습니다.
왜요?
왜요?
몇 가지 주장이 있지만 확률론의 관점에서 생각해서는 안 되며 단순히 인간의 추론으로 생각해야 합니다.
1) 모든 매트. 방법은 무작위/비고정/고정.....을 처리하도록 설계되었습니다. 모든 시리즈는 따옴표로 작동 하지 않습니다 . 그 이유는 무엇입니까? 해야 한다..
2) 사람들이 다른 사람에게서 돈을 받기 위해 조직하는 과정은 무작위(무작위) 방식으로 작동할 수 없으며, 이 과정이 결정론적이지만 복잡하다고 생각합니다.
아직 포인트가 남아있었는데 쓰기 시작하니 머리에서 맴돌더라구요..
몇 가지 주장이 있지만 확률론의 관점에서 생각해서는 안 되며 단순히 인간의 추론으로 생각해야 합니다.
1) 모든 매트. 방법은 무작위/비고정/고정.....을 처리하도록 설계되었습니다. 모든 시리즈는 따옴표로 작동 하지 않습니다 . 그 이유는 무엇입니까? 해야 한다..
2) 사람들이 다른 사람에게서 돈을 받기 위해 조직하는 과정은 무작위(무작위) 방식으로 작동할 수 없으며, 이 과정이 결정론적이지만 복잡하다고 생각합니다.
아직 포인트가 남아있었는데 쓰기 시작하니 머리에서 맴돌더라구요..
1. 고정되지 않은 프로세스에 대한 모든 매트 방법은 샤머니즘입니다. 과거에 근거해서만 미래를 예측하는 것이 가능하고, 미래가 과거에 의존하지 않는다면 과거에 근거한 예측은 통하지 않기 때문입니다.
따라서 방법, 모델 등의 선택은 어떤 역할도 하지 않고 입력 변수의 올바른 선택만 수행합니다.
더 이상 계속할 수 없습니다.