모델은 다르지만 비슷하거나 다르거나 비슷하지 않은 모델은 어떻게 다를까요? 분기점이 반드시 모델의 변경으로 이어지는 것은 아니며 동일한 영역을 시각적으로 수동으로 표시 할 수 있지만 마지막에는 예측 부분이 없으며 목표는 모델의 상태 또는 준수 여부를 확인하는 샘플의 최소 길이를 찾는 것입니다.
모델의 복잡성, 물론 여기에도 모순이 있으며 간단한 모델은 충분히 필요한 긴 섹션을 설명하지 않지만 반복 될 것이며 복잡한 모델은 충분히 필요한 섹션을 길이로 설명 할 수 있지만 고유 할 수 있습니다. 항상 그렇듯이 중간에 무언가가 필요합니다))))))
여기서 분명히 다변량 샘플 (각 요소는 테이블의 행, 벡터)에 대해 이야기하고 있지만 세 링크의 동질성 기준은 숫자 샘플에 관한 것입니다. matstat의 다변량 동질성 기준은 별도의 노래이며 저에게는 명확하지 않습니다.
각 예측 변수는 개별적으로 숫자 샘플이므로 개별적으로 평가하고 결과를 평균화하지 않는 이유는 무엇입니까? 대부분의 예측 변수에서 악화의 역학 관계가있는 경우 샘플이 중복됩니다.
많은 변경 지점 탐지를 검색하는 작업처럼 보입니다. 다시 말하지만, 다변량(벡터) 케이스로 작업해야 하므로 상황이 매우 복잡해집니다.
그리고 일반적으로 저는 연구를 위해 어떤 속성을 선택하는지에 대한 의존성이 마음에 들지 않습니다. 다른 세트를 사용하면 결과가 달라질 수 있습니다.
특정 그룹에 대한 세그먼트의 소속을 식별하고 그룹화된 모집단에 대한 훈련의 효율성 측면에서 최상의 결과를 얻을 수 있는 변형을 찾아야 할 것입니다.
샘플 내에서만 혼합할 수 있으며, 두 개의 샘플을 혼합하면 시장이 변화하고 있다는 것을 부정하는 것입니다.
논리가 다시 보이지 않나요?
시장이 변화하고 있다는 것을 어떻게 증명할 수 있나요? 이 과정은 얼마나 걸리나요? 아니면 끊임없이 변화하고 있나요?
시장의 변동성을 어떻게 증명할 수 있나요? 이 과정은 얼마나 걸리나요? 아니면 끊임없이 변화할까요?
이제 유쾌한 논쟁이 시작되었습니다.
그렇다면 고정성/비고정성을 결정하기 위해 어떤 샘플 크기를 가져야 할까요?
패턴은 샘플 변화의 수명보다 오래 지속되지 않는다고 하셨는데, 만약 샘플에 8년 동안 반복되는 패턴이 있다면 어떻게 해야 할까요? 이상 현상인가요, 아니면 패턴이 모두 변하지 않거나 작은 영역에서 확인된 패턴이 다른 요인으로 인해 잘못된 것일까요?
각 예측 변수는 개별적으로 숫자 샘플이므로 개별적으로 추정하고 그 결과를 평균하는 것은 어떨까요?
이것은 독립적 인 기능의 경우에만 작동하며 동일한 가격으로 계산되므로 불가능합니다. 의존성의 경우 모든 것이 훨씬 더 복잡해집니다. 단변량 분포는 항상 동일하지만 이변량 분포는 매우 다를 수 있는 코퓰라를 예로 들 수 있습니다.
특정 그룹에 대한 세그먼트의 소속을 식별하고 그룹화된 모집단에 대한 훈련의 효율성 측면에서 가장 좋은 결과를 제공하는 변형을 찾아야 할 것입니다.
무거운 열거형 계산에 대한 욕구가 있습니다.) 이미 상당한 양의 열거형에 기능 유형별 및 아마도 기능 매개 변수별 열거형을 추가해야 할 것입니다.
그럼에도 불구하고 귀하의 접근 방식에는 합리적인 곡물이있는 것 같으며 고려해야 할 사항이 있습니다.
샘플(훈련과 적용)을 비교하는 것이 아이디어이고, 이론이 맞다면 샘플이 증가함에 따라 더 이상 유사하지 않을 것이며, 이를 이해하기 위해서는 유사성을 평가하는 방법에서 파생된 변화를 평가하는 기준이 필요하다고 쓰지 않았나요?
그리고 고정성/비고정성을 결정하기 위해 어떤 샘플 크기를 사용해야 하나요?
패턴은 샘플 변화의 수명보다 오래 지속되지 않는다고 했는데, 샘플에 8년 동안 반복되는 패턴이 있다면 어떻게 해야 하나요? 이상 현상인가요, 아니면 패턴이 모두 변하지 않거나 작은 영역에서 확인된 패턴이 다른 요인으로 인해 잘못된 것일까요?
모델은 다르지만 비슷하거나 다르거나 비슷하지 않은 모델은 어떻게 다를까요? 분기점이 반드시 모델의 변경으로 이어지는 것은 아니며 동일한 영역을 시각적으로 수동으로 표시 할 수 있지만 마지막에는 예측 부분이 없으며 목표는 모델의 상태 또는 준수 여부를 확인하는 샘플의 최소 길이를 찾는 것입니다.
모델의 복잡성, 물론 여기에도 모순이 있으며 간단한 모델은 충분히 필요한 긴 섹션을 설명하지 않지만 반복 될 것이며 복잡한 모델은 충분히 필요한 섹션을 길이로 설명 할 수 있지만 고유 할 수 있습니다. 항상 그렇듯이 중간에 무언가가 필요합니다))))))
모델의 복잡성, 물론 여기에는 모순도 있습니다. 간단한 모델은 충분히 필요한 긴 섹션을 설명하지 않지만 반복 될 것이며 복잡한 모델은 충분히 필요한 섹션을 길이로 설명 할 수 있지만 고유 할 수 있습니다. 항상 중간에 무언가가 필요합니다))))))