к. т. н., доцент кафедры Экономики и предпринимательства Института Экономики и Торговли Таджикского государственного университета коммерции ( ИЭиТ ТГУК ) УДК 330.115 Введение Рыночная цена складывается в результате устойчивого равновесия между спросом и предложением, которые, в свою очередь, зависят от множества экономических, политических и...
也许最合适的词是 "公式"。一方面，有一个由数据表定义的函数，另一方面，有一个由公式定义的函数。
我正饶有兴趣地看着你们的对话。我想问的是，你给倒退分配了什么角色？
也许最合适的词是 "公式"。一方面，有一个由数据表格定义的函数，另一方面，有一个由公式定义的函数。
术语之争有趣得很，但有人想谈谈问题的实质吗？
例如，这个http://alglib.sources.ru/interpolation/inversedistanceweighting.php，已经落空了，因为不可能从新的数据中提取数值，得到一个可以输入东西的F-U。粗略地说，它对新数据不起作用。
你似乎没有实际解决插值的问题，是吗？是吗？在内插法中，你不谈论简化函数的问题。插值的意义不是为了简化。有人在教科书中把插值和近似放在一个标题下，然后就这样了......
为什么要指定一个已经定义好的从负无穷到正无穷的函数的域？
由于数学大师们写的教科书--一章一章的倾倒，所以高级讲师根据这些教科书讲课，同样的倾倒也到了学生的头上，其中一些学生后来成为教师，循环往复。然后，有些人不是解释既定定义的含义，而是引入新的定义......而不是一个函数，它是一个映射，是一个死胡同。有些人满脑子都是这些术语，以为自己成了数学家......某种共产主义的左派病。
当我们与马克西姆打交道时，你必须明白，尽管他很有文化，但他缺乏思维的准确性和术语定义的精确性。正因为如此，我们完全不可能理解他想要什么。
这里有一个关于这个主题的例子。
Maxim正在寻找花键参数。他用一组点来定义这些参数。
这是什么？答案是显而易见的：这个人从事的是近似计算，而这个声明是近似的，因为从他的帖子中并不清楚他的输入是什么：一个在表格中定义的函数还是一组随机值，他正在为这些随机值寻找有误差的分析形式。由于我们和马克西姆处理的是报价，所以它很可能是一个近似值，即初始点的值只能由函数给出，并有误差。
这种情况更加严重，因为花键的意识形态需要指定拐点，在这些拐点上，花键的各个部分将以一种巧妙的方式连接起来。
那么我们在谈论什么呢？我们谈论的是什么点？
下一步。这个函数将如何以分析形式使用？这一点从帖子中根本看不出来，因为所产生的函数可以用来获得表内的数值，也可以用于表外的数值。 在第一种情况下是插值，在第二种情况下是外推，这对我们来说非常有吸引力，因为外推是比预测更重要的东西。
马克西姆用他那不准确的问题陈述搞出了5页的烂摊子，而问题是如此简单。
当我们与马克西姆打交道时，我们必须认识到，尽管他很有文化，但他缺乏思想的准确性和术语定义的精确性。这使得我们完全无法理解他想要什么。
这里有一个关于这个主题的例子。
Maxim正在寻找花键参数。他用一组点来定义这些参数。
这是什么？答案是显而易见的：这个人从事的是近似计算，而这个声明是近似的，因为从他的帖子中并不清楚他的输入是什么：一个在表格中定义的函数还是一组随机值，他正在为这些随机值寻找有误差的分析形式。由于我们和马克西姆处理的是报价，所以它很可能是一个近似值，即初始点的值只能由函数给出，并有误差。
这种情况更加严重，因为花键的意识形态需要指定拐点，在这些拐点上，花键的各个部分将以一种巧妙的方式连接起来。
那么我们在谈论什么呢？我们谈论的是什么点？
下一步。这个函数将如何以分析形式使用？这一点从帖子中根本看不出来，因为得出的函数可以用来获得表内的数值，也可以用于表外的数值。 在第一种情况下是插值，而在第二种情况下是外推，这对我们很有吸引力，因为外推是比预测更重要的东西。
马克西姆把他对问题不准确的表述弄得一团糟，长达5页，而一切都那么简单。
给出：一个非网络的特征集。我们需要以许多不同的方式改造它们。我不在乎它将有什么名字，只要我有大量的变体。我从中挑选出最好的一个，并将其保存为一个函数/公式/什么的。然后我需要将原始数据点插入其中（1个或更多），并获得转换后的数值。这个点既可以位于做原始转换的集合内，也可以是一个异常点
有2种方法：单独转换每个特征，或在一个捆绑中一次全部转换。
有通过多项式进行特征的内核转换，我自己不知道怎么做。术语战当然他妈的太有趣了，但有人愿意就此事发言吗？
...
为了抓住问题的核心，你必须首先理解这个问题。如果任务是插值，那么节点点的数量就不能任意选择。
我正饶有兴趣地看着你们的对话。我想问的是，你认为回归扮演什么角色？
为什么它应该发挥作用？基本上，它是一个近似值。
为了抓住问题的核心，你必须首先理解问题。如果问题是插值，就不能任意选择节点点的数量。
我在上面写道，作为对桑尼奇的回应
给出：一个非网络的特征集。我们需要以许多不同的方式改造它们。我不在乎它将被称为什么，只要有许多变形的变种。然后我们需要有一些f函数，在这个函数中，原始点（1个东西）得到它的新值。这个点既可以位于做原始转换的集合内，也可以是一个离群点。
数量上有多少？有多少特征？该神经网络有多少个输入？
"1个东西 "是一个函数，还是一个单点的东西？
数量上有多少？有多少个标志？该神经网络有多少个输入？
"1个东西 "是一个函数，还是一个单点的东西？
任何数量的输入。
你可以为每个人分别做一个单独的转换器，或者做一个通用的转换器，将它们一起改变。
1个项目为1分
给出：一个非网络的特征集。我们需要以许多不同的方式改造它们。我不在乎它将被称为什么，只要有许多变形的变种。然后我们需要有一些f函数，在这个函数中，原始点（1个东西）得到它的新值。这个点既可以位于做原始转换的集合内，也可以是一个离群点。
我的URMhttps://www.mql5.com/ru/articles/250 最适合于此，尽管我不是神经网络的支持者。