Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1737

Yeni yorum
 
Maksim Dmitrievski :

k-anlamına gelir, en basit

peki bu aynı

dbscan deneyin bence daha iyi olur

Görüyorsunuz, kümelemeyi nasıl yaptığınızı gözle bile görebiliyorum)) kendimi çıldırtıyorum)

 
Alexander_K2 :

Bir yerde (çünkü bir aydan uzun süredir ticaret yapmadığım için nerede olduğunu unuttum) piyasa artışlarının olasılığının dağılımının Gauss'un CV'sinin ürünü olduğunu ve üstel (veya genel durumda, Erlang) dağıtımları.

Erlang dağılımı, kene tırnak işaretleri arasındaki zaman aralıklarından sorumludur ve bu tür sayıların üreteci şöyle görünür:


Burada Lambda, olayların akışının yoğunluğudur (alıntılar).

Lambda=const ise, bu süreç durağandır, ancak piyasada akış yoğunluğu farklı zamanlarda farklıdır, yani. Lambda=f(t), sürecin bir bütün olarak durağan olmama durumunu belirler.

O. Durağan bir süreci ayırmak için, bir bütün olarak aynı akı yoğunluğuna sahip VR'nin ayrı bölümlerini dikkate almak gerekir.

Bu nedenle, VR'yi bir gün içinde saatlere bölmeye ve ardından bu saatleri birbirine "yapıştırmaya" kalkışmak - kesinlikle yaşam hakkına sahiptir.

not

Hesaplarıma göre, aynı akı yoğunluğu bir gün içinde aşağıdaki saatlerde gözlenir:

0

1, 23

2, 5, 22

3, 4, 8, 21

6, 7

9, 12, 19

10, 11, 15, 18

13, 14

on altı

17

20

İşte bu, sadece bilgi amaçlı...

 
mytarmailS :

peki bu aynı

dbscan deneyin bence daha iyi olur

Görüyorsunuz, kümelemeyi nasıl yaptığınızı gözle bile görebiliyorum)) kendimi çıldırtıyorum)

ne saçmalıyorsun en başında yazdım

 
Maksim Dmitrievski :

ne için çıldırıyorsun? en başında yazdım

nerede? Ben görmedim.

 
mytarmailS :

nerede? Ben görmedim.

zaten hiçbir yerde .. yeni veriler üzerinde başka bir programda ayrı ayrı centroids, Schaub zayuzat ile matrisleri çıkarabilir misiniz?

belki R'de böyle bir fonksiyon vardır? bakmak

 
Maksim Dmitrievski :

zaten hiçbir yerde .. yeni veriler üzerinde başka bir programda ayrı ayrı centroids, Schaub zayuzat ile matrisleri çıkarabilir misiniz?

belki R'de böyle bir fonksiyon vardır? bakmak

Eğer doğru anladıysam, evet, yapabilirim

 
mytarmailS :

Eğer doğru anladıysam, evet, yapabilirim

öğretmek

 
Maksim Dmitrievski :

öğretmek

tam olarak ne istediğinizi daha spesifik olarak tekrar yazın, böylece çok fazla kod yazmazsınız 


fake.dt <- matrix(rnorm( 100 ),ncol = 5 )
kn <- kmeans(fake.dt,centers = 3 )

kn$centers
 kn$centers
       [, 1 ]        [, 2 ]        [, 3 ]        [, 4 ]       [, 5 ]
1 0.1491919 - 0.82943057    1.00194753 - 0.78824900    0.7330618
2 0.4543194 - 0.01318233 - 2.36800973    0.05477085    0.2706286
3 0.1478300    0.34991845 - 0.04671528    0.33735489 - 0.6789331
üç kümeden üç centroid
 
mytarmailS :

tam olarak ne istediğinizi daha spesifik olarak tekrar yazın, böylece çok fazla kod yazmazsınız

modelin sığmasından sonra, algoritmaya bağlı olarak bir matris veya bunun gibi bir şey olmalıdır.

yeni verilerdeki tahmini hesaplayabileceğiniz şekilde .. iyi, eski

kısacası metak'a aktarmak ve kendinizi testerin içinde düşünmek

 
burada ve bununla ne yapmalı? Şu an için meşe meşe kümelemedeyim
1...173017311732173317341735173617371738173917401741174217431744...3399
Yeni yorum