找到一组指标来输入神经网络的输入。讨论。一个评估结果的工具。 - 页 9

新评论
 
lea >> :

我并不是真的要找一个价格系列的包装。已经有一组指标（即转换后的价格序列），所以需要降低这组指标的维度。


我建议，为此你也应该考虑共同组织地图的可能性。使用它们可以更好地降低维度。他们还将强调各州的阵列。还有这样一种分析的变体，即独立成分分析。它更有希望，但到目前为止，我还没有能够完全掌握它。如果你对独立成分的分析感兴趣--请告诉我。
 
joo >> :

这里有几本关于优化的书。刚刚下载，仍然很热。

........，似乎无法连接。我从http://torrents.ru。


你可以稍微澄清一下方向。
 
IlyaA >> :
你可以稍微澄清一下方向。

按需 "优化"。


http://torrents.ru/forum/viewtopic.php?t=1591908e

http://torrents.ru/forum/viewtopic.php?t=2139370e

http://torrents.ru/forum/viewtopic.php?t=1327023e

http://torrents.ru/forum/viewtopic.php?t=711214e

http://torrents.ru/forum/viewtopic.php?t=2346898e

http://torrents.ru/forum/viewtopic.php?t=2123107e

 

谢谢Joo。Intriligator是我的板书。:)看看吧，我是说，研究一下材料。

 

这是一位数学家朋友在问我如何摆脱输入相关性时写给我的。

"主成分法 "似乎就是这样。这里有一个或多或少的描述：http://www.statsoft.ru/home/ textbook/modules/stfacan.html。在你的情况下，它的效果如何，我不知道。但线性相关应该可以很好地消除它。"

我会研究的。

 

PCA是数据转换 和降维，也就是说，在数据转换之后，我们找到最佳的新输入数据（根据标准）。

如果你需要从初始数据中选择不相关的数据，那么多变量回归规则。例如，如果你有一组指标，你可以在统计程序中仔细运行多元回归，并找到合适的指标集。

 
IlyaA писал(а)>>

我还建议你为此研究一下体细胞组织图的可能性。使用它们可以更好地降低维度。他们还将选择州的阵列。还有这样的分析变体，即独立成分分析。它更有希望，但到目前为止，我还没有能够完全掌握它。如果你对独立成分的分析感兴趣--请告诉我。

如果PCA失败，将考虑自组织地图。

我听说过独立成分分析，但没有详细了解它是什么。

现在我计划在我自己的矩阵库基础上实现PCA。

IlyaA 写道>>

计算是在EXCEL中完成的。

艰难的:)

 
lea >> :
IlyaA 写道(a)>>

计算是在EXCEL中完成的。

艰难的:)

这是另一件事...我发现自己在想，我已经开始在脑子里用MQL5.... 进行强度计算编程。:)

 
TheXpert >> :

所以我一定是用错了，或者是准备不当。

我自己也曾从事过图片压缩工作。误差有时是零，有时不是，这取决于压缩程度（主成分的数量）和输入的信息量。

用简单的例子试试。

在吸引器上效果很好 :)我还没有在照片上试过。我认为问题在于行的结构。我没有对它进行预处理。

 
joo >> :

我同意伊利亚尔的意见。这将会是一个契机。

我提出了一个不适合的变体。适应意味着要根据测试装置进行调整，而这里的成品系统只是在上面进行测试。如果你不想使用它，就不要使用它，这取决于你。
12345678910
新评论