Yousufkhodja Sultonov : 다항식은 매번 실제 데이터에 맞게 조정해야 하며 (18)의 경우 아무 것도 수행할 필요가 없으며 최적의 방식으로 자체 조정됩니다. 모든 면에서 (18)보다 더 나은 모델이 아직 발명되지 않았음을 인정할 용기가 없다는 것뿐입니다.
왜 적응합니까? 그것은 단지 다항식이 최선의 방식으로 적응하는 것입니다. 그리고 귀하의 krivulina는 드문 경우에만 데이터에 해당합니다. 여기 상황은 완전히 다릅니다. 귀하의 회귀는 그것이 최고이거나 좋은 것이 아니라 일반적으로 어떤 식으로든 여기에 적용할 수 없다는 것입니다.
당신이 적응이라고 부르는 것이 아직 명확하지 않습니까? 회귀의 본질은 적응입니다. 왜 기름을 기름이라고 부르나요?
왜 적응합니까? 그것은 단지 다항식이 최선의 방식으로 적응하는 것입니다. 그리고 귀하의 krivulina는 드문 경우에만 데이터에 해당합니다. 여기 상황은 완전히 다릅니다. 귀하의 회귀는 그것이 최고이거나 좋은 것이 아니라 일반적으로 어떤 식으로든 여기에 적용할 수 없다는 것입니다.
당신이 적응이라고 부르는 것이 아직 명확하지 않습니까? 회귀의 본질은 적응입니다. 왜 기름을 기름이라고 부르나요?
입을 다물 수 있는 가장 쉬운 방법은 이 예제에서 다항식 모델이 어떻게 작동하는지 보여주는 것입니다. 나는 그녀가 예측 능력이 없다고 확신합니다. 입력된 사실 데이터의 세그먼트에는 무언가가 표시될 수 있으며 현실과 동떨어집니다.
Yousufkhodja Sultonov : 입을 다물 수 있는 가장 쉬운 방법은 이 예제에서 다항식 모델이 어떻게 작동하는지 보여주는 것입니다. 나는 그녀가 예측 능력이 없다고 확신합니다. 입력된 사실 데이터의 세그먼트에는 무언가가 표시될 수 있으며 현실과 동떨어집니다.
다항식.
따옴표에 노이즈를 추가하면 다음 분포를 얻습니다.
무역에 어떻게 도움이 될까요?
그것을 가지고, 계산하고, 비교하십시오.
왜 내가 해야 합니까? 그것은 나에게 아무런 차이가 없습니다. 당신은 원하는만큼 밀도의 안개 속에 머물 수 있습니다.
게다가, 당신의 제안은 매우 이상해 보입니다. 당신은 자신을 독특한 감정가이자 발명가로 소개하기 때문에 다항식 회귀를 알고 어떤 속성을 가지고 있는지 알아야 합니다.
계산할 필요가 전혀 없고 코드 기반에 표시기가 있으며 다항식의 차수를 변경할 수도 있습니다. 이것이 정말 강력합니다.
따옴표에 노이즈를 추가하면 다음 분포를 얻습니다.
무역에 어떻게 도움이 될까요?
왜 내가 해야 합니까? 그것은 나에게 아무런 차이가 없습니다. 당신은 원하는만큼 밀도의 안개 속에 머물 수 있습니다.
게다가, 당신의 제안은 매우 이상해 보입니다. 당신은 자신을 독특한 감정가이자 발명가로 소개하기 때문에 다항식 회귀를 알고 어떤 속성을 가지고 있는지 알아야 합니다.
다항식은 매번 실제 데이터에 맞게 조정해야 하며 (18)의 경우 아무 것도 수행할 필요가 없으며 최적의 방식으로 자체 조정됩니다. 모든 면에서 (18)보다 더 나은 모델이 아직 발명되지 않았음을 인정할 용기가 없다는 것뿐입니다.
왜 적응합니까? 그것은 단지 다항식이 최선의 방식으로 적응하는 것입니다. 그리고 귀하의 krivulina는 드문 경우에만 데이터에 해당합니다. 여기 상황은 완전히 다릅니다. 귀하의 회귀는 그것이 최고이거나 좋은 것이 아니라 일반적으로 어떤 식으로든 여기에 적용할 수 없다는 것입니다.
당신이 적응이라고 부르는 것이 아직 명확하지 않습니까? 회귀의 본질은 적응입니다. 왜 기름을 기름이라고 부르나요?
시도하지 않은 것을 어떻게 평가할 수 있습니까?
왜 적응합니까? 그것은 단지 다항식이 최선의 방식으로 적응하는 것입니다. 그리고 귀하의 krivulina는 드문 경우에만 데이터에 해당합니다. 여기 상황은 완전히 다릅니다. 귀하의 회귀는 그것이 최고이거나 좋은 것이 아니라 일반적으로 어떤 식으로든 여기에 적용할 수 없다는 것입니다.
당신이 적응이라고 부르는 것이 아직 명확하지 않습니까? 회귀의 본질은 적응입니다. 왜 기름을 기름이라고 부르나요?
입을 다물 수 있는 가장 쉬운 방법은 이 예제에서 다항식 모델이 어떻게 작동하는지 보여주는 것입니다. 나는 그녀가 예측 능력이 없다고 확신합니다. 입력된 사실 데이터의 세그먼트에는 무언가가 표시될 수 있으며 현실과 동떨어집니다.
그런 다음 예측이 적용 가능하다고 생각할 수 있습니다.