보간, 근사 및 기타(패키지 alglib) - 페이지 14

새 코멘트
 
Maxim Dmitrievsky :

나는 이해하지 못하지만 지금 그램 매트릭스로 작업하는 방법! 단지, 이것은 새로운 Transformed 기능이 아니라 기존 기능의 스칼라 곱을 갖는 ITS 행렬이기 때문입니다.

글쎄, 이 경우 벡터를 얻으려면 최종 스칼라 표현의 1차 도함수를 취해야 한다고 생각합니다. 최종 커널 함수의 기울기를 계산하면 됩니다.

어떤 함수의 1차 도함수 또는 기울기를 계산하기 위해 내장된 MQL5 라이브러리가 있어야 한다고 가정합니다.

이 경우 기울기가 양수이면 BUY 신호여야 하고 기울기가 음수이면 SELL 신호여야 합니다.

 
FxTrader562 :

글쎄, 이 경우 벡터를 얻으려면 최종 스칼라 표현의 1차 도함수를 취해야 한다고 생각합니다. 최종 커널 함수의 기울기를 계산하면 됩니다.

어떤 함수의 1차 도함수 또는 기울기를 계산하기 위해 내장된 MQL5 라이브러리가 있어야 한다고 가정합니다.

이 경우 기울기가 양수이면 BUY 신호여야 하고 기울기가 음수이면 SELL 신호여야 합니다.

)) nono.. RDF 피팅을 위한 새로운 기능 포인트로 필요합니다. 동일한 2 또는 n 벡터이지만 새로운 포인트가 있다고 생각합니다.

나는 그것을 상상할 수 없습니다 : D 먼저 커널 로 변환 한 다음 다른 데이터 포인트가있는 기능으로 다시 변환해야합니다.

또는 아마도 행렬 행렬식 Gramian -이 점

 
Maxim Dmitrievsky :

)) nono.. RDF 피팅을 위한 새로운 기능 포인트로 필요합니다. 동일한 2 또는 n 벡터이지만 새로운 포인트가 있다고 생각합니다.

나는 그것을 상상할 수 없습니다 : D 먼저 커널 로 변환 한 다음 다른 데이터 포인트가있는 기능으로 다시 변환해야합니다.

또는 아마도 행렬 행렬식 Gramian -이 점

나는 여기서 완전히 혼란스러워지고 있습니다 :))

커널 함수는 분류 프로세스를 더 빠르게 실행하기 위한 분류 기법입니다. 맞죠?

커널 기능에서 특징점을 다시 추출해야 하는 이유는 무엇입니까? 스플라인에서 얻은 특징점을 신경망에 공급하고 RDF 및 커널 기능을 사용하여 분류를 수행하기만 하면 됩니다. 오른쪽?

내 이해에, 기능 변환은 스플라인 기능으로 수행되어야 합니다. 오른쪽?

혼란은 어디에 있습니까? 제가 헷갈리는 건지, 아니면 여러분이 하는 건지:))

 
FxTrader562 :

나는 여기서 완전히 혼란스러워지고 있습니다 :))

커널 함수는 분류 프로세스를 더 빠르게 실행하기 위한 분류 기법입니다. 맞죠?

커널 기능에서 특징점을 다시 추출해야 하는 이유는 무엇입니까? 스플라인에서 얻은 특징점을 신경망에 공급하고 RDF 및 커널 기능을 사용하여 분류를 수행하기만 하면 됩니다. 오른쪽?

내 이해에, 기능 변환은 스플라인 기능으로 수행되어야 합니다. 오른쪽?

혼란은 어디에 있습니까? 제가 헷갈리는 건지, 아니면 여러분이 하는 건지:))

아니요, 다른 차원 공간에 기능을 투영하기 위해 ktricks를 사용하고 있으며 이 투영의 새 좌표가 새 데이터 포인트 로 필요합니다. 그런 다음 RDF를 배웁니다.

텐서와 벡터 대수학, 하지만 나는 멍청한 놈이지만 빨리 배우고 있어요)

벡터 대수학을 아는 사람을 알고 있다면 초대하십시오.

또는 en 포럼 버전에 주제를 추가할 수 있습니다.
 
Maxim Dmitrievsky :

아니요, 다른 차원 공간에 기능을 투영하기 위해 ktricks를 사용하고 있으며 이 투영의 새 좌표가 새 데이터 포인트로 필요합니다. 그런 다음 RDF를 배웁니다.

텐서와 벡터 대수학, 하지만 나는 멍청한 놈이지만 빨리 배우고 있어요)

벡터 대수학을 아는 사람을 알고 있다면 초대하십시오.

나는 당신이 찾고 있는 것을 이해하는 데 점점 더 가까워지고 있습니다 ... 기본적으로 더 낮은 차원의 입력 벡터에 대한 더 높은 차원의 좌표입니다. 맞습니까?

곧 벡터 대수학에 대해 알아볼 것입니다. 나는 우리가 구글과 유튜브에서 쉽게 얻을 수 있는 모든 것을 생각한다. 찾으면 몇 가지 링크를 게시하겠습니다.

저는 오래전에 대학에서 벡터 대수학을 공부했기 때문에 빠르게 살펴보았습니다.

 
FxTrader562 :

나는 당신이 찾고 있는 것을 이해하는 데 점점 더 가까워지고 있습니다 ... 기본적으로 더 낮은 차원의 입력 벡터에 대한 더 높은 차원의 좌표입니다. 맞습니까?

곧 벡터 대수학에 대해 알아볼 것입니다. 나는 우리가 구글과 유튜브에서 쉽게 얻을 수 있는 모든 것을 생각한다. 찾으면 몇 가지 링크를 게시하겠습니다.

저는 오래전에 대학에서 벡터 대수학을 공부했기 때문에 빠르게 살펴보았습니다.

예, 우리는 이 비디오에서 처럼 필요합니다


예를 들어 2차원 기능 공간이 있고 선형으로 분리할 수 없습니다. 그런 다음 3차원 기능을 추가하고 이제 초평면으로 분리할 수 있습니다.

그러나 커널 을 사용하면 3차원 기능을 추가하지 않고 포인트를 투영할 수 있으므로 3 대신 2개의 기능이 있는 경우 동일한 방식으로 분리할 수 있습니다.

하지만.. 다른 차원에서 선형으로 분리된 변환된 2차원 기능을 얻는 방법. 우리는 새로운 차원의 2차원 투영이 필요합니다. 즉, 다른 벡터 공간의 새로운 점입니다.

나는 그것이 마법이라고 생각하지만 어쨌든)

 
Maxim Dmitrievsky :

예, 우리는 이 비디오에서 처럼 필요합니다


예를 들어 2차원 기능 공간이 있고 선형으로 분리할 수 없습니다. 그런 다음 3차원 기능을 추가하고 이제 초평면으로 분리할 수 있습니다.

그러나 커널 을 사용하면 3차원 기능을 추가하지 않고 포인트를 투영할 수 있으므로 3 대신 2개의 기능이 있는 경우 동일한 방식으로 분리할 수 있습니다.

하지만.. 다른 차원에서 선형으로 분리된 변환된 2차원 기능을 얻는 방법. 우리는 새로운 차원의 2차원 투영이 필요합니다. 즉, 다른 벡터 공간의 새로운 점입니다.

글쎄, 내가 말했듯이 나는 오래전에 벡터 대수학을 공부했고 따라서 나는 이미 기본적인 이해를 가지고 있다. 하지만 이 경우에는 조금 어렵다고 생각합니다.

그것은 모두 내적과 외적에 관한 것입니다.

내적은 A.BCos(A와 B 사이의 각도)에 의해 결정되는 크기입니다. 이것을 내부 제품이라고 합니다.

외적은 A와 B 벡터를 곱한 벡터이며 그 크기는 ABSin(A와 B 사이의 각도)입니다. 이것을 외부 제품이라고 합니다. 그래서 저는 이 코드 줄을 이해했고 여러분도 이것을 이해할 것이라고 생각합니다.

 P = cvxopt.matrix(np.outer(y,y) * K)

이것은 내가 추측하는 교차 제품입니다.

커널 매핑 관련 동영상입니다.

https://www.youtube.com/watch?v=7_T9AdeWY3k

 
FxTrader562 :

글쎄, 내가 말했듯이 나는 오래전에 벡터 대수학을 공부했고 따라서 나는 이미 기본적인 이해를 가지고 있다. 하지만 이 경우에는 조금 어렵다고 생각합니다.

그것은 모두 내적과 외적에 관한 것입니다.

내적은 A.BCos(A와 B 사이의 각도)에 의해 결정되는 크기입니다. 이것을 내부 제품이라고 합니다.

외적은 A와 B 벡터를 곱한 벡터이며 그 크기는 ABSin(A와 B 사이의 각도)입니다. 이것을 외부 제품이라고 합니다. 그래서 저는 이 코드 줄을 이해했고 여러분도 이것을 이해할 것이라고 생각합니다.

이것은 내가 추측하는 교차 제품입니다.

커널 매핑 관련 동영상입니다.

https://www.youtube.com/watch?v=7_T9AdeWY3k

예, 여기에서 http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/#log

하지만 소스 코드에서 커널과 SVM을 분리할 수 없습니다.

 
Maxim Dmitrievsky :

예, 여기에서 http://crsouza.com/2010/03/17/kernel-functions-for-machine-learning-applications/#log

하지만 소스 코드에서 커널과 SVM을 분리할 수 없습니다.

내가 이해할 수 있는 한 고차원 공간의 좌표는 2 입력 벡터와 함께 커널 함수 값이어야 합니다. 이는 2개의 입력 벡터가 있고 세 번째 벡터가 필요하고 세 번째 좌표에 추가된다는 것을 의미합니다.

예를 들어, 2개의 벡터 x와 y를 제공하고 이를 3d 공간에 매핑하면 커널 값 K(x,y)를 얻습니다.

그런 다음 3D 공간에서 최종 벡터의 좌표는 (x,y,k(x,y))여야 합니다.

다음으로 4차원 공간에 매핑하고 커널 값 k1(x,y,k(x,y))를 얻는다면,

그러면 4D 공간의 좌표는 (x,y,k(x,y),k1(x,y,k(x,y))) 이어야 합니다....

말이 됩니까 아니면 기존 소스 코드와 링크를 생성합니까?

또는 다른 방법은 매핑 좌표를 참조하여 텐서의 각도를 얻은 다음 해당 각도의 코사인을 가져와서 텐서의 크기로 곱하는 것입니다.
 

다, 평범한 애를 찾았어, 다 잘 설명해주고, 바로 다 기억났어


1...7891011121314151617
새 코멘트