贝叶斯回归 - 有没有人用这种算法做了一个EA？ - 页 43

新评论
 
Дмитрий:
静止性是一个过程不随时间改变其特征的属性。
具体有哪些特点？
 
Dmitry Fedoseev:
具体有哪些特征？
分散性
 
Дмитрий:
分散性
就这样了？
 
如果你有一个系列的方差趋向于无穷大，你打算在那里预测什么？
 
Dmitry Fedoseev:
就这样了？
大体上说，还有一个IO和一个分布函数
 
Дмитрий:
在广义上，MO和分布函数也是如此。
那么，从广义上讲，如果MO，那么随机性就足够了。不是吗？
 
Dmitry Fedoseev:
那么，广义上讲，如果是MOE，一个随机的就足够了。不是吗？
专注于差异--这就是问题的根源所在
 
Дмитрий:

非稳态数据不能被时间序列模型所预测。既没有统计模型（回归、自回归、平滑等），也没有结构模型（NS、分类、马尔科夫链等）。

只有学科领域的模型。

我不能同意你对分类的看法。

在那里根本看不到非平稳性的问题。名义（分类）数据的模型是非常可以接受的。非平稳性与名义数据完全没有关系。此外，将随机变量转换为名义变量，如RSI转换为水平，对结果有非常有利的影响。

随之而来的是非平稳性，这是任何建模的一个基本问题--模型的过度拟合（overfitting）。而要解决过拟合的问题，就必须认真处理预测因子的问题。

 
СанСаныч Фоменко:

我不能同意你对分类的看法。

那里根本不存在非平稳性的问题。名义（类别）数据的模型是完全可以接受的。非平稳性与名义数据完全没有关系。此外，将随机变量转换为名义变量，如RSI转换为水平，对结果有非常有利的影响。

随之而来的是非平稳性，这是任何建模的一个基本问题--模型的过度拟合（overfitting）。而要解决过拟合的问题，就必须认真处理预测因子的问题。

分类也是基于输入数据的特征，如果这些特征随时间变化，那么未来应用分类将产生不正确的预测
 
一切都很悲伤...
1...363738394041424344454647484950...55
新评论