Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2975
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Açıkça boğulmakta olan ancak intiharından zevk alan bir kişiyi kurtarmak gerekli midir?
Kıyıya oturun - kahraman - bu sizin seçiminiz.
Size konunun ne olduğunu ve sorunu çözmenin neden modelin istikrarını artıracağını yeterince anlattım.
Eğer kullanamayacaksam, R'de böyle bir sorunu çözebilecek bir paket bildiğin için övünmenin ne faydası var?
Şimdiye kadarki girişimler başarısız oldu, denemek ister misiniz?
Hayır. Kendiniz deneyin (bir sonraki hesaplamalar devam ederken ve zaman alacaksınız), diller benzerdir.
En basit yöntemi verdiniz - evet, zor değil.
Diğerleri de aynı basit öze sahiptir. Metinde birkaç seçenek tanımladım - kopyaları atlama ve kopyaları dikkate alarak temel kuantum boyutunu yeniden hesaplama. Ayrıca sayıya göre değil, aralığa göre bölme ve bu yöntemleri birleştirme de var.
Hayır. Kendiniz deneyin (bir sonraki hesaplamalar devam ederken ve zaman alacakken), diller benzerdir.
Diğerleri de aynı basit öze sahiptir. Metinde birkaç seçenek tanımladım - çiftlerin atlanması ve temel kuantum boyutunun çiftler dikkate alınarak yeniden hesaplanması. Ayrıca sayıya göre değil, aralığa göre bölme ve bu yöntemleri birleştirme de var.
Sadece sorun mekanik uygulama değil, orantılı olmayan ağların nasıl hesaplanacağıdır. Olasılık yoğunluk dağılımları orada oluşturuluyor ve anladığım kadarıyla zaten sayısallaştırılmışlar.
Çok fazla boş zamanım yok ve bunu nasıl yapılacağını anladığım şeyleri kodlamak için harcamayı tercih ediyorum. Belki bu son görev olursa, oturup günlerce aptallaşacağım, ama şimdilik bu projenin diğer yönlerine geçmeyi tercih ediyorum. Niceleme tablolarının boşaltılabilmesi iyi bir şey.
Olasılık yoğunluk dağılımları burada oluşturulur ve zaten nicelleştirilmiştir,
Hangi sayısallaştırma yöntemi? Hepsi o sayfada.
Eğer kullanamazsam?
Hangi sayısallaştırma yöntemi? Hepsi o sayfada.
GreedyLogSum yöntemi - örnek olarak, ızgaranın tekdüze olmadığını görebilirsiniz. Örnek metriklerin yaklaştırılmasıyla bir lognormal dağılım oluşturulduğunu ve daha sonra ızgaranın bir şekilde yapıldığını varsayıyorum. Formülleri okuyamıyorum.
İşte formüller ayrıntılı olarak.
Konuşabiliyorsun ama duyabildiğinden emin değilim.
Evet, karar ağacı fikri kuantum tablosu oluşturmak için işe yarar bir fikir olabilir. Fikir için teşekkür ederim!
Bilinmeyen bir paket bulmuş ve hatta bir ağaç oluşturmuş olsam bile.
Daha sonra R'deki döngülerle uğraşmam, ağaçları kaydetmem gerekiyor.
Ve hangi formatta kaydediliyorlar? Muhtemelen kurallar şeklinde, bu da bu kuralları gerekli formata dönüştüren bir ayrıştırıcı yapmam gerektiği anlamına geliyor.
Sorunu, metrikler/koşullar açısından benzer sütunları birleştiren, tek tip %0,5 aralıklı bir histogram aracılığıyla çözmek benim için daha kolay olmaz mı?
Ve genel olarak, başlangıçta kuantum kesimine düşen örneği karakterize eden metrikleri sordum. Bu yönde bir fikriniz yok ya da düşünmek istemiyorsunuz - söyleyin bana.
Aksi takdirde burada şov yapmaya alışığız - bu yüzden bu konu çöp.
GreedyLogSum yöntemi - örnek olarak, ızgaranın tekdüze olmadığını görebilirsiniz. Yaklaşım yoluyla örnek metrikler kullanılarak bir lognormal dağılım oluşturulduğunu ve ızgaranın bir şekilde bunun üzerine yapıldığını varsayıyorum. Formülleri nasıl okuyacağımı bilmiyorum.
İşte formüller ayrıntılı olarak.
Bu basit işlev, değerlere göre eşit olmayan bir ızgara da oluşturacaktır. Uniform, Uniform'dur.
∑ i = 1 n log ( w e i g h t ) , w h e r e i=1 ∑nlog(weight),burada
- n n - Kovadaki farklı nesnelerin sayısı.
- - w e i g h t weight - Kovadaki bir nesnenin kaç kez tekrarlandığı.
Tekrarlama/çoğaltma sayısı ile çalışır. Her şey yaklaşık olarak aynıdır. Fonksiyonu bulamadım (hızlı bir göz atmayla), bu yüzden kesin bir şey söyleyemem... Daha önce duplicates muhasebesinin varyantlarını tanımlamıştım, sanırım bunlardan biri veya yakın bir şey.
Bu basit işlev, ızgarayı da değerler açısından eşit olmayan hale getirecektir. Uniform, Uniform'dur.
Tekrar/çoğaltma sayısı ile çalışır. Her şey hemen hemen aynı. İşlevi bulamadım (hızlı göz atarak), bu yüzden kesin olarak söyleyemem... Daha önce yinelenen hesaplama seçeneklerini tanımladım, sanırım bunlardan biri veya ona yakın bir şey var.
Sanırım bu sadece tekrar eden değerler durumunda ağırlıkları hesaba katma meselesi, yani bir miktar hacim ortaya çıkıyor ve ızgara bu segmentte sıkıştırılıyor.
Bunu çözebileceğinizi düşünüyorum!
Bence bu sadece tekrar eden değerler durumunda ağırlıkları hesaba katma meselesi, yani bir miktar hacim ortaya çıkıyor ve ağ o segmentte küçülüyor.
Bence bunu çözebilirsin!
Belki, ama ben orada balık göremiyorum. Ben nicelleştirmeyi hiç kullanmıyorum. Yüzen verileri keşfetmeyi tercih ederim.