This post is an offshoot of some simple experiments I made to help clarify my thinking about some machine learning methods. In this experiment I fit four kinds of model to a super-simple artificial dataset with two columns, x and y; and then try to predict new values of y based on values of x that are outside the original range of y. Here’s the...
阅读Heikin神经网络和Bishop的英文理论--没有翻译，但似乎即将推出。
这很简单。随机交易为输入，结果为输出。蒙特卡洛方法被称为，它本身并不是非常快。而系统化是国家系统的一项任务。
那么，NS有一个特殊的名字吗？就像一个未知类型的随机退火 神经网络，可以有老师，也可以没有老师，优化输入而不是输出 :)) 我会读一些书。
Heikin "NS完整课程第二版 "有俄文版。
那么，NS本身是否有一个特殊的名称？就像一个随机退火的神经网络的不清楚的学习，不管有没有老师，优化输入而不是输出:)))我就看书。
海金 "NS完整课程第二版 "有俄语版
Heikin是，Bishop没有俄语版本。
NS是通常的MLP，训练是通常的BP，只是沿途要定期进行人工调整。如果不做这样的重新调整，或者只是对样本进行洗牌，它的学习速度非常快，但只在学习序列上运行良好。
海金在那里，毕晓普没有俄语版本。
NS是通常的MLP，训练是通常的BP，只是在进行过程中要定期进行手动调整。如果你不做这样的重新调整，或者只是对样本进行洗牌，它的学习速度非常快，但只在学习序列上工作良好（甚至完美））。
现在我就用海金的作品来凑合吧。 一直以来，我只限于文章和模型描述，书籍太多余了（所以有足够的空间来销售）。
而Haykin的是旧的东西:)到目前为止，我会做的，我总是把自己限制在文章和模型描述上，书中有很多不必要的东西（以便有一卷可以出售）。
错误的陈述。森林和助推器在推断上与NS没有区别。
我遇到的所有文章都说了同样的话
https://habrahabr.ru/company/ods/blog/322534/
http://alglib.sources.ru/dataanalysis/decisionforest.php
推断对树木来说是很困难的!- 彼得的统计资料
http://ellisp.github.io/blog/2016/12/10/extrapolation
随机森林无法在训练数据之外进行预测
https://www.quantopian.com/posts/random-forest-unable-to-predict-outside-of-training-data
随机森林回归的预测结果不比训练数据高
我遇到的所有文章都说了同样的话
https://habrahabr.ru/company/ods/blog/322534/
http://alglib.sources.ru/dataanalysis/decisionforest.php
推断对树木来说是很困难的!- 彼得的统计资料
http://ellisp.github.io/blog/2016/12/10/extrapolation
随机森林无法在训练数据之外进行预测
https://www.quantopian.com/posts/random-forest-unable-to-predict-outside-of-training-data
随机森林回归的预测结果不比训练数据高
垃圾是由没有受过教育的人写的。他们没有听说过过度训练，对数据挖掘没有概念，没有听说过噪声预测器，也不擅长模型估计。他们只是一种不成熟的势利小人，在玩智力游戏。
垃圾是由没有受过教育的人写的。他们没有听说过再培训，对数据挖掘没有概念，没有听说过噪声预测器，也不擅长估计模型。这只是那种长不大的势利小人在玩心理游戏。
这一切与推断有什么关系......
那些在alglib库中写RF的人也是没文化的人？
和R博主也很蹩脚，显然
https://www.r-bloggers.com/extrapolation-is-tough-for-trees/
除了英足总，所有人都是失败者。
只有FA们被教导过。
;))
除了英足总，所有人都是失败者。
只有FA们被教导过。
;))
人们就是这样在不了解原理的情况下使用射频，然后说它不起作用。 从上一篇文章可以看出，射频不能推断，所以它应该只对熟悉的数据起作用。
唉，但他们错了，这不仅对 "无知者 "和势利眼来说是正常的，记得明斯基和他关于多层透镜 "无用 "的权威意见）））。
我不说hubra上的文章，它和论坛上的垃圾是一样的，99.9%的广告是naychpop，而0.1%的合理想法是以隐含的形式 "在字里行间 "的。这个人举了一个关于R的例子，他在什么地方犯了错误？ 不幸的是，我没有使用R，但我甚至可以自己复制它