Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1933

Yeni yorum
 
Alexey Vyazmikin :

Bu resmi geçmiş sonuçlardan aldım - 4 net küme

Daha önce sonuçları değerlendirmek için bazı dijital değerlerden bahsettiniz - hangi sayılara bakmayı öneriyorsunuz?

evet)) ve şimdi test verilerine bakın 

scatter3d(x = predict.test [, 1 ], 
          y = predict.test [, 2 ], 
          z = predict.test [, 3 ],
          groups = Y[ test.idx ],
          grid = F, 
          surface = F,
          ellipsoid = F,
          bg.col = "black" ,surface.col = c( 2 , 3 ))

Bunların hepsi saçmalık dedim, güzel resimlere değil, herhangi bir paketten herhangi bir modelin hatasına değil, test verilerindeki model hatasına bakmanız gerekiyor.


bu arada, sadece 10k veri üzerinde eğitim aldığınız için dizinleri değiştirin 

train.idx <- 100 : 8000
test.idx <- 8001 : 10000

ve 500 binin altında verileriniz var

 
mytarmailS :

En azından bir şekilde polinom veya harmonik yaklaşımda anlayan yanıt verir.   LÜTFEN !!!

 
mytarmailS :

evet)) ve şimdi test verilerine bakın

Bunların hepsi saçmalık dedim, güzel resimlere değil, herhangi bir paketten herhangi bir modelin hatasına değil, test verilerindeki model hatasına bakmanız gerekiyor.


Şimdi test verileri üzerine tekrar yemin ediyor 

> library (car)

> scatter3d(x = predict.test[, 1 ], 
+           y = predict.test[, 2 ], 
+           z = predict.test[, 3 ],
+           groups = Y[train.idx],
+           .... [TRUNCATED] 
Error in complete.cases(x, y, z, groups) : 
  не все аргументы имеют одинаковую длину
mytarmailS :

e indeksler çünkü sadece 10k veri üzerinde eğitim alıyorsunuz

ve 500 binin altında verileriniz var

Başlangıçta küçük veriler üzerinde kurulum yapmanız gerekiyor ve sonra büyük veriler üzerinde deneyeceğim.

Bu arada, R'nin bellekle çok mantıksız çalıştığını fark ettim - çok yiyor.

 
Alexey Vyazmikin :

Şimdi test verileri üzerine tekrar yemin ediyor

tabii ki yemin eder

 library (car)

> scatter3d(x = predict.test[, 1 ], 
+           y = predict.test[, 2 ], 
+           z = predict.test[, 3 ],
+           groups = Y[ train.idx ],
+           .... [TRUNCATED]
 
mytarmailS :

tabii ki yemin eder

Ah evet, teşekkür ederim!

İşte bir resim - biraz daha kötü, ama bir eğilim var.

Ama ne olduğunu anlamıyorum - daha önce yoksa başka bir küme nereden geldi?

 
Alexey Vyazmikin :

Ah evet, teşekkür ederim!

İşte bir resim - biraz daha kötü, ama bir eğilim var.

Ama ne olduğunu anlamıyorum - daha önce yoksa başka bir küme nereden geldi?

hiçbir şey)))

yeni veriler - yeni noktalar

 
mytarmailS :

hiçbir şey)))

yeni veriler - yeni noktalar

Neler olduğunu gerçekten anlamıyorum.

Orada bir şey öğrendikten sonra teste mi uyguladık yoksa ne? :)

Sanki hepsi saçmalık.

 
Alexey Vyazmikin :

Sanki hepsi saçmalık.

Bunu sana kaç kez yazdım? 3? 5?

 
mytarmailS :

En azından bir şekilde polinom veya harmonik yaklaşımda anlayan yanıt verir.   LÜTFEN !!!

Ve sonunda ne elde etmek istiyorsunuz?, harmoniklerle, yol Fourier'e gider. Veya ortogonal polinomlara göre, birçoğu var. Her şey bölünebilir)

 
Sorumun cevaplarını okudum. Hepinize teşekkür ederim!
1...192619271928192919301931193219331934193519361937193819391940...3399
Yeni yorum