Основные характеристики Запуск jPrediction Как создать математическую модель бинарного классификатора в jPrediction Сохранение модели в файл Редукция - удаление неинформативных признаков из модели Загрузка и использование модели для классификации объектов Приложение Дополнительные выборки для бинарной классификации Формат CSV файлов для...
In the previous post I looked at some simple methods for calling C code from R using a simple Gibbs sampler as the motivating example. In this post we will look again at the same Gibbs sampler, but now implemented in Java, and look at a couple of options for calling that code from an R session. Stand-alone Java code Below is some Java code for...
从Dr.Trader在试图将旧的libVMR版本移植到R上时已经失败了,并且缺乏大型核机的内存,以及小型核机的全部性能(他将周期数减少了100倍)来看,不太可能有人愿意踩着同一个耙子?
因此,最好不要对将这类任务移植到R中的事情说三道四,因为这个破烂的东西不能胜任。
只有对R非常肤浅的了解,才能谈及 "唠叨"。
当然,我们放上R,看到的是一个字符串解释器。如果你深入了解,你可以看到字节码,但它并没有解决解释器关于效率的任何问题。甚至没有什么可讨论的--唠叨。
但是,如果你深入研究一下R包,你很快就会发现,你在R代码中看到的东西是指其他代码。而如果你开始调查,你会发现,对于计算密集型的算法,R总是使用第三方软件包,这些软件包的选择是以最大效率为原则。这些通常是C或Fortran库。
或者,比如说,矩阵运算。考虑到R没有标量的概念,一切都从向量开始,矩阵运算对R来说是完全自然的,使用一个不是用R写的合适的库是一个原则问题。使用了英特尔数学内核 库。
除此之外,不仅对自己的计算机的所有核心进行并行计算,而且对相邻的计算机进行并行计算,这在R中是一种常见的操作。
因此,什么是 "唠叨",什么不是,这是一个大问题。
PS。
你不必将任何东西移植到R,你只需学习数学。R拥有你所需要的一切,而且远远不止这些。
问题:我如何给新的列命名 "a_minus_b", "a_minus_c"
我们将由外汇本身支付这些帖子的费用 :)如果你读完所有38页,并在实践中尝试,结合所有的知识,那么我认为你可以做出一个可行的EA。
你能不能正确地反驳我链接 的文章的内容。在这一点上,Dr.Trader:已经尝试使用这个材料。要很具体地使用它。其结果是否定的。也许你也可以就这个问题发表一下看法?
我为偏离主题而道歉。
SanSanych,你是用什么语言思考的?
你的帖子看起来像谷歌的翻译。请尊重俄罗斯的语言。
PS如果你想被理解...
我为偏离主题而道歉。
SanSanych,你是用什么语言思考的?
你的帖子看起来像谷歌的翻译。请尊重俄罗斯的语言。
PS如果你想被理解...
我一生都在说这句话...你是第一个...
如果你有不明白的地方,我随时准备解释。
我一生都在说这句话...你是第一个...
如果你不明白,我准备解释。
你不需要解释。必须有人成为第一个))。
我们的帖子将由外汇本身来支付 :)每个人知道和了解的东西都不一样,如果你读完所有38页并在实践中尝试,结合所有的知识--我想你可以做出一个可行的EA。
非常感谢您!
Bp.这个双环的整洁的想法需要更多的工作)
为jPrediction二进制分类器做了一个说明,发布了源代码。
目录。
全文见附件档案(PDF格式)。
为jPrediction二进制分类器做了一个说明,发布了源代码。
嗨,尤里,感谢你的辛勤工作!你是谁?
1) 你能否更详细地解释一下这意味着什么?
2)如果我有一台弱小的计算机,在300个预测因子和100,000个观测值的样本上,模型需要多长时间来学习模型?
(如果能把 "请等待 "的字样改为计算训练进度的百分比或类似的内容就更好了,这样就不会等到100年后才完成了)。
3)"R "怎么样?
你好,尤里!感谢你的辛勤工作。
1)你能更详细地解释它的含义吗?
归纳能力的敏感性--正确预测测试样本的阳性结果:100% * TP / (TP + FP)
归纳能力的特异性--正确预测测试样本的阴性结果:100% * TN / (TN + FN)
其中。
TP - 真正的积极成果的数量
TN - 真阴性的数量
FP - 假阳性结果的数量
FN--假阴性的数量
2) 如果我有一台弱小的计算机,在300个预测因子和100 000个观测值的样本上训练模型需要多长时间?
3) "R "怎么样? 不会吗?
根本不会学习,但如果样本中的预测器数量超过10个,会给出错误信息。
3) "R "是什么?
如果你真的那么绝望,就安装gJava包吧。从R中调用Java代码