1.Dick 的问题完全正确。我不使用 NS,但我知道一个事实:任何 R 软件包中的任何函数都必然包含算法作者的参考文献,而对于严肃的算法,还必然包含描述在 R 中实现算法的文章/书籍的参考文献。由于您对 NS 非常熟悉,如果您使用 R,您可以在 R 中搜索相应类型的 NS,找到描述相应算法的相应参考文献,找到关于该算法的讨论,找出专业人士的所有细微差别......并以最高的专业水平回答迪克,而不是喃喃自语说些猥亵的话。
CRAN task views aim to provide some guidance which packages on CRAN are relevant for tasks related to a certain topic. They give a brief overview of the included packages which can also be automatically installed using the ctv package.
你最好保持沉默,你会显得聪明得多,至少举止得体。
您应该学习数据库 BASE!!!!
什么是局部优化、全局优化、函数类型、优化类型、优化类型、对什么函数应用什么样的优化等....。
离散优化、连续优化、多标准等......有什么区别,目的是什么,在什么情况下应用其中一种而不应用另一种....。
你连最基本的东西都不知道!.....!
如果我有话要说,为什么要保持沉默,我不是一个只想说几句话的傻瓜。
建议您在一些有代表性的功能上测试学习/优化,这是一种很好的做法
如果您认为神经网络可以完美地完成这项工作,那您可能就错了
在卡戈崇拜和对神圣 R 的信仰层面上,存在着一种特殊的观念,它带来了文明的馈赠。
我总是更相信专业人士,他们终其一生都在处理一个问题,那就是优化,尤其是梯度下降。
而外行的主要标志就是诋毁专业人士。R 是一门专业语言,是当今统计学领域的标杆。是时候学习这一点了,而不是去写什么 "信仰和卡戈崇拜 "之类的废话。
我总是更相信那些一辈子都在研究同一个问题的专业人士,这里指的是优化,尤其是梯度下降。
而外行的主要表现就是诋毁专业人士。R 是一门专业语言,是当今统计领域的标杆。现在是学习这门语言的时候了,而不是写什么 "信仰和卡戈崇拜 "之类的废话。
1. 你当然相信有专业人士,但你没有说出一个专业人士的名字,也没有提供有关这一主题的作品清单
1.Dick 的问题完全正确。我不使用 NS,但我知道一个事实:任何 R 软件包中的任何函数都必然包含算法作者的参考文献,而对于严肃的算法,还必然包含描述在 R 中实现算法的文章/书籍的参考文献。由于您对 NS 非常熟悉,如果您使用 R,您可以在 R 中搜索相应类型的 NS,找到描述相应算法的相应参考文献,找到关于该算法的讨论,找出专业人士的所有细微差别......并以最高的专业水平回答迪克,而不是喃喃自语说些猥亵的话。
2. R 的名称:统计和图形语言。R 的精髓可从其参考工具的标目中窥见一斑。
以下是 R 软件包所涵盖的主题列表。其中一个主题是机器学习。
以下 是与机器学习相关的软件包列表。
直到几年前,我们还能在其他专业统计语言中找到 R 的竞争对手。例如,SPPS,但迄今为止我还没有找到。R 一直是唯一的统计语言,受到支持和管理,拥有大量镜像,并包含在微软软件中。
将 R 与 Python 相提并论是绝对错误的。
R 是一种专业语言。Python 是一种通用语言。Python 的用户数量远远超过 R,但 Python 的大众用户是网页设计。Python 拥有统计软件包这一事实并不能将其归类为统计语言。在此基础上,C++(R 和 Python 使用的软件包都是用 C++ 实现的)可以归类为统计语言。由于 R 有详细的标准和对拟议函数算法的参考,它可以用来研究统计学的理论和实践,而 Python 则不能。
我没有详细研究过这个问题。这个想法似乎很简单,但在实现方法上有很多技术上的微妙之处。
有完整的搜索,也有优化。它需要缩短找到最优解的时间。既然如此,它总是一个折衷方案。你可以用随机梯度法进行优化,得到比亚当法更好的结果,但要牺牲时间。我们必须做出选择。对于某些任务,精度可能比速度更重要,例如,提高 TC 的期望值。 。
一个重要的问题是优化什么。我希望优化与利润、缩水、波动等相关的有意义的标准。
完全超调是最佳优化方式),可惜并不总是适用。)
一个重要的问题是优化什么。我希望优化与利润、缩水、波动等相关的有意义的标准。
完全超调是最佳优化方式),可惜并不总是适用。)
我想引用一句口号 "战斗和搜索--发现和隐藏"。
将任何标准设置为自定义指标,尤其是这些标准指标。它仍会按 logloss 进行优化,但会停止在这些自定义标准上,这或许有些道理
事实上也是如此,因为停在同一位置总是基于某些标准,如准确性。