#пара строк из той таблицы, не буду я всё текстом копировать, потом первая строка повторена ещё дважды dat <- data.frame(cluster1=c(24,2,13,23,6), cluster2=c(5,15,13,28,12), cluster3=c(18,12,16,22,20), cluster4=c(21,7,29,10,25), cluster5=c(16,22,24,4,11), target.label=c(1,1,0,1,0)) dat <- rbind(dat, dat[1,], dat[1,]) #результат последней строки поменян на 0 для эксперимента dat[7,"target.label"]=0
library(sqldf) #для sqldf точек в названиях колонок быть не должно colnames(dat)[6] <- "target"
dat1 <- sqldf( "select cluster1, cluster2, cluster3, cluster4, cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1, cluster2, cluster3, cluster4, cluster5" ) dat1 dat1[ dat1$target_count>=10 & dat1$target_avg>0.63 , ] dat1[ dat1$target_count>=10 & ( dat1$target_avg<0.37 | dat1$target_avg>0.63 ), ] #на случай если оба "0" или "1" встречаются чаще 70%
谢谢你，非常紧凑的解决方案！！。
请帮助解决字符串中的另一个细微差别
dat1 <- sqldf( "select cluster1, cluster2, cluster3, cluster4, cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1, cluster2, cluster3, cluster4, cluster5" )
我如何用一个变量来代替选择性的群组名称呢？
colnames_dat <- colnamed(dat) [-"target"]
dat1 <- sqldf( "select colnames_dat, avg(target) as target_avg, count(target) as target_count from dat group by colnames_dat" )
> clusternames <- paste(colnames(dat)[-ncol(dat)], collapse=",") > clusternames [1] "cluster1,cluster2,cluster3,cluster4,cluster5" > sql_query <- paste0("select ", clusternames, ", avg(target) as target_avg, count(target) as target_count from dat group by ", clusternames) > sql_query [1] "select cluster1,cluster2,cluster3,cluster4,cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1,cluster2,cluster3,cluster4,cluster5" > dat1 <- sqldf( sql_query ) > dat1
是的，我在做滞后，因为在以前的版本中，它们会增加包络能力，现在随着预取算法的改进，我认为不需要了，所以我试图在没有它们的情况下进行训练。我正努力在没有他们的情况下进行训练。我将在以后报告我的结果。
如果我失败了，也就是说，通用性不会无滞后地增加，那么第13版和第14版很可能是一些非通用的方向，旨在为一个狭窄的任务范围？
在这种情况下，你必须滚回GIT，以不同的、更普遍的方式移动jPrediction。
虽然有第二个假设：样本中的滞后期的存在是一个狭窄的、非普遍的方向，对于这一点，以前的版本是磨练出来的？
如果这一招失败了，即无滞后性的通用性没有提高，那么很可能第13和第14版是一些非通用的方向，为狭窄的任务范围而锐化的？
在这种情况下，我们将不得不滚回GIT，以不同的、更普遍的方式来移动jPrediction。
虽然有第二个假设：样本中的滞后期的存在是一个狭窄的、非普遍的方向，对于这一点，以前的版本是磨练出来的？
那我就在这里回答。
dat <- data.frame(cluster1=c(24,2,13,23,6), cluster2=c(5,15,13,28,12), cluster3=c(18,12,16,22,20), cluster4=c(21,7,29,10,25), cluster5=c(16,22,24,4,11), target.label=c(1,1,0,1,0))
dat <- rbind(dat, dat[1,], dat[1,])
#результат последней строки поменян на 0 для эксперимента
dat[7,"target.label"]=0
library(sqldf)
#для sqldf точек в названиях колонок быть не должно
colnames(dat)[6] <- "target"
dat1 <- sqldf( "select cluster1, cluster2, cluster3, cluster4, cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1, cluster2, cluster3, cluster4, cluster5" )
dat1
dat1[ dat1$target_count>=10 & dat1$target_avg>0.63 , ]
dat1[ dat1$target_count>=10 & ( dat1$target_avg<0.37 | dat1$target_avg>0.63 ), ] #на случай если оба "0" или "1" встречаются чаще 70%
谢谢你，非常紧凑的解决方案！！。
请帮助解决字符串中的另一个细微差别
dat1 <- sqldf( "select cluster1, cluster2, cluster3, cluster4, cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1, cluster2, cluster3, cluster4, cluster5" )
我如何用一个变量来代替选择性的群组名称呢？
因为在现实生活中会有500个甚至1000个集群，手工写每个集群的名字是不现实的，而且这个方案也不能迎刃而解。
好吧，让我们看看情况如何......我一试就告诉你......
问题是，在第13版之前，那些更接近样本开始的预测因子被处理的概率更高。而那些处于样本末端的人（更接近目标变量）被处理的概率较低。也就是说，如果事先将最重要的预测因子放在样本的左边，而将最不重要的预测因子放在右边，我们就能获得良好的概括能力。如果反之亦然，那就差了。问题是，这需要事先知道哪些预测因子是最重要的，也就是说，在样本中按重要性预先排定。但在这种情况下，预测器选择算法本身的效率并不高。
在第14版中，所有预测器的处理概率大致相同。但这又产生了另一个问题。毕竟，预测器拟合算法是以梯度搜索法运作的，每次都会朝着提高概括性的方向转变一步。同时，像其他梯度方法一样，它也有 "卡 "在局部极值的非零风险。在第12版之前，这种风险通过对样本中的预测因素进行预排序而得到缓解。
一般来说，第一和第二版本的算法存在问题，我们需要对其进行分析，以消除这些问题。例如，在算法中引入一些从当前状态向不同方向的随机跳跃的步骤，以便 "跳 "过 "沟壑"。
> clusternames
[1] "cluster1,cluster2,cluster3,cluster4,cluster5"
> sql_query <- paste0("select ", clusternames, ", avg(target) as target_avg, count(target) as target_count from dat group by ", clusternames)
> sql_query
[1] "select cluster1,cluster2,cluster3,cluster4,cluster5, avg(target) as target_avg, count(target) as target_count from dat group by cluster1,cluster2,cluster3,cluster4,cluster5"
> dat1 <- sqldf( sql_query )
> dat1
来 "跳 "过 "沟壑"。
有时L-BFGS优化被内置到神经元中，它允许爬出沟壑。例如，nnet神经包。
那里有很多数学知识，我不知道它是如何运作的，但想法是不沿梯度下降，而是沿梯度下降（导数的导数）。
1）正确的理解和原始的例子（如果网络或等无处可寻，就开始 "编造"））。
2）只是为什么要寻找70%，当你能找到并使用100时（当然不是为了价格）。
1）是的，是的，他们有这种罪过））我在关于 "我的 "方法的优点的段落中描述了它。
2）我会在反转上寻找组合，这不仅仅是蜡烛的方向或颜色，而是向上、向下的反转，不是反转。
我最初的观察结果比我需要的要少得多，但如果一切顺利，我对40%的结果感到满意，我甚至不需要70%，因为我的目标风险将是1比5。
非常感谢，我会慢慢准备数据，然后进行聚类，然后寻找模式，我会让你知道结果。
有时L-BFGS优化被内置到neuronki中，它允许爬出沟壑。例如，nnet神经键包。
BFGS及其衍生物，如L-BFGS，是为了解决jPrediction已经解决的问题，即寻找局部极值。也就是说，这些算法允许沿着最近的极值方向 "爬出""沟壑"，而不是 "跳过 "沟壑，以寻找替代极值。
我们需要算法 "跳跃者"。而且，他们最好不要随意 "跳跃"，而是朝着一些有潜力的方向跳跃。理论上，这可以通过遗传学来实现，这种 "跳跃 "是通过突变实现的。但遗传算法 非常缓慢，更适合那些可以用最少的时间消耗来测试潜在后代的任务。训练一个神经元钥匙来计算它的泛化能力是很耗时的，所以遗传学在这里会太慢。
好吧，由于缺乏更好的方法，我目前正在测试一个带有随机 "跳跃 "的变体。
另一本R书。我把它钉在这里，因为不清楚还有什么地方可以去。让它成为
S.E. Mastitsky, V.K. Shitikov
用R进行统计分析和数据可视化
如果你以mytarmailS的身份搜索模式，按条形滑动，每个模式都会包含每个条形上的值可以有多少间隔的信息。模式越多，每个小节设置的间隔就越少。
粗略地说，为了使某个有新数据的窗口被包括在先前发现的某个模式中，它应该落入每个模式所固有的这种政治限制。
如果你去找1000个图案，每个图案的 "通道 "宽度都会很小。而由于新数据总是与训练数据略有不同--将很难进入这样一个狭窄的通道，它将导致错误。
我会以奥卡姆-布列塔尼的观点为指导--如果你能减少模式的数量，并在不恶化的情况下获得相同的结果，你最好这样做。