神经网络和输入 - 页 41

[Yury Reshetov]

nikelodeon:
我已经准备了一个11列+1列输出的样本。问题：当启动预测器时，应指定多少列。只有数据量（11）或与输出量（12）一起????

也就是说，如果在最初的电子表格（csv文件）中，列数N>46，行数M，那么计算时间成本与：2*（N-2）+M-2成正比。

如果电子表格中的列数N<13，计算所花费的时间与2*（N-2^）2+M-2成正比

也就是说，如果电子表格中的列数为N=12（10个输入），那么在同一台计算机上的计算时间将与N=1025（1023个输入）相同。因为对于输入数小于11的情况下，MSUA 内核变换被激活。

[Mihail Marchukajtes]

好了，我们已经把时间整理好了。但我还注意到另一件事。如果你对同一个文件进行优化，你会得到完全不同的结果...像完全....当然，它们之间存在差异，有时甚至非常大。这有什么关系呢，尤里？我想，在这种情况下的优化过程中，我们一定会得出相同的结果。但在这里，事实证明结果是不同的....:-( 是关于什么的？

[Yury Reshetov]

nikelodeon:
好了，我们已经整理好了时间。但我注意到另一件事。如果你优化一个相同的文件，你会得到完全不同的结果...。像完全....当然，它们之间存在差异，有时甚至非常大。这有什么关系呢，尤里？我想，在这种情况下的优化过程中，我们一定会得出相同的结果。但在这里，事实证明结果是不同的....:-( 这与什么有关？

这与随机性有关。使用jPrediction将一般样本分成两个子样本，一个训练样本和一个控制样本。jPrediction进行了100次尝试，将一般样本分成两部分。

在每次尝试中，都会在训练子样本上建立一个模型。在控制样本上，模型被检查 "是否有问题"。显示了在对照组上获得的结果（可推广性）。但训练能力的结果在地狱里是不需要的，因为它们是一种拟合，因此不在任何地方显示。

如果在同一个样本上，不同的运行，最好的概括性结果是非常不同的，这意味着样本是没有代表性的--输入的垃圾太多了。也就是说，预测因子的显著性很低。

如果样本具有代表性，同一个最佳模型可以在100次运行中建立一次以上，也就是说，它并不太依赖于哪些例子包含在训练样本中，哪些包含在控制样本中。

[Дмитрий]

Reshetov:

在预测NS时间序列 时，使用PRNG对样本进行分割是没有实际意义的--完全是胡说八道，什么都没有显示。

只在时间序列结束时用控制样本进行人工分区

[[删除]]

晚上好......有没有一个使用神经网络的EA的例子，比如说，muving或其他一些指标？ 或者更容易的是，在MT上建立一个神经网络的EA 的muving是什么？