请提供实用的建议。 - 页 5 1234567 新评论 Roman 2020.06.08 02:28 #41 Dmitry Fedoseev: 模式1 模式2 模式3 模式4 模式5 (六) 方式6 (六) 方式7 (六) 方式8 (六) Mod 9 (六) Mod 10 (六) Mod 11 (六) Mod 12 (八)模13 (六) 14 模式15 数量 4,431 17,091 15,822 2,531 0,631 17,721 28,481 5,702 13,293 5,702 8,232 6,332 0,63 1 3,163 6,963 23 5,062 17,722 12,661 3,802 0,631 19,622 29,112 4,43 1 9,492 5,061 6,331 6,332 1,902 1,902 6,332 26 4,431 20,253 16,463 4,433 0,631 17,721 29,75 3 6,333 5,061 8,233 10,13 3 5,061 0,631 1,27 1 4,431 29 最低的和是23,选择第一行。 谢谢,我也会注意到这一点。但这些都是误差值,用这种方法来估计评级是否可靠? 在统计学中,他们主要使用平方之和来估计误差。 而平方之和和评级的结果不同,那么该相信哪种方法呢?;)) 排名方法是在哪个数学领域使用的? 吸取这种材料并了解它的用途。 Dmitry Fedoseev 2020.06.08 05:00 #42 所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时,你必须明白你在做什么,你会得到什么。 如果你不知道一个令人满意的结果应该是什么,那么使用什么方法就没有区别。 Roman 2020.06.08 06:18 #43 Dmitry Fedoseev:所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时,你必须明白你在做什么,你会得到什么。如果你不知道一个令人满意的结果应该是什么,那么使用什么方法就没有区别。 我部分同意,但在这种情况下,我们要评估的是错误的价值本身,而不是它在一个模块中的重复出现。 这种方法适用于评估重复值。 我不认为这是评估错误值本身的正确方法。 Dmitry Fedoseev 2020.06.08 07:05 #44 Roman:我部分同意,但在这种情况下,我们评估的是错误本身,而不是它在一个模块中的重复出现。 这种方法适用于评估反复出现的数值。 我不认为这是评估错误值本身的正确方法。 如果这些数值是重复的,它们将得到与1、2、3互换完全相同的结果。 请阅读本主题的第一篇帖子,本主题的作者在那里提出了他的问题--只是阅读它,而不是编造它。 Roman 2020.06.08 07:18 #45 Dmitry Fedoseev:如果这些数值是重复的,它们本身会得到与1、2、3互换完全相同的结果。请阅读本主题的第一篇帖子,该主题的作者提出了他的问题--只需阅读它,而不是编造它。 所以没有人不是在编造它。根据我对第一个帖子的理解,最初的任务是估计误差最小化。 而作者在他的表格中甚至得出了所有误差的平均值。但他认为这并不实际,也没有什么内容。 估计误差最小化和估计重复值是不同的任务。 Dmitry Fedoseev 2020.06.08 10:16 #46 Roman:所以没有人在编造它。根据我对第一个帖子的理解,最初的目的是估计误差最小化。 而且,该专题组甚至将他的表格中的所有错误都平均化了。但他认为这并不实际,也没有什么内容。 估计误差最小化和估计重复出现的值是不同的任务。 仅仅使用平均值是不够的,你还需要避免大的过冲。 Alexandr Andreev 2020.06.08 10:32 #47 Dmitry Fedoseev:仅有平均数是不够的,你还需要有低的弹射率。 因此,该产品 Roman 2020.06.08 11:19 #48 Dmitry Fedoseev:仅仅使用平均值是不够的,我们还需要避免大的离群值。 在我的例子中,MathPow(arr[i]-(max-min)/*或avg*/, 2.0)考虑到了这一点,而乘积则由平方函数来完成。 也就是说,它把它带到了二次方,这对应的是乘积。 Roman 2020.06.08 13:06 #49 当我们在讨论规范化和标准化的问题时,当被比较的数值需要被带到相同的尺度时,这种调整就适用了。 你说的 "归一化为同一尺度 "是什么意思? 例如,当我们需要比较像81.500和1.13453或5200.1或27340等数字时。 也就是说,这些数值在 整数后面 有不同的数字。 为了比较这类数据或将其传入模型,如果模型有几个标志,应用规范化或标准化,,这样模型就能正确计算,产生正确的计算。 我已经写了这样的函数,如果有人需要,请使用它们。 //-------------------------------------------------------------------- //Возвращает максимальное значение элементов массива double ArrayMax(double & arrIn[]) { uint size = ArraySize(arrIn); if(size == 0) return(0.0); double max = arrIn[0]; for(uint i=1; i<size; i++) if(arrIn[i] > max) max = arrIn[i]; return(max); } //-------------------------------------------------------------------- //Возвращает минимальное значение элементов массива double ArrayMin(double & arrIn[]) { uint size = ArraySize(arrIn); if(size == 0) return(0.0); double min = arrIn[0]; for(uint i=1; i<size; i++) if(arrIn[i] < min) min = arrIn[i]; return(min); } //-------------------------------------------------------------------- //Возвращает средне арефметическое значение элементов массива double ArrayMean(double & arrIn[]) { uint size = ArraySize(arrIn); if(size == 0) return(0.0); double sum = 0.0; for(uint i=0; i<size; i++) sum += arrIn[i]; return(sum/size); } //-------------------------------------------------------------------- //Возвращает среднеквадратичное (стандартное) отклонение значений элементов массива double ArrayStd(double & arrIn[]) { uint size = ArraySize(arrIn); if(size == 0) return(0.0); double sum = 0.0; double mean = ArrayMean(arrIn); for(uint i=0; i<size; i++) sum += MathPow(MathAbs(arrIn[i]-mean), 2.0); return(MathSqrt(sum/size)); } //-------------------------------------------------------------------- //Возвращает нормализованные значения элементов масcива void ArrayNormalized(double & arrIn[], double & arrOut[]) { uint size = ArraySize(arrIn); if(size == 0) return; double min = ArrayMin(arrIn); double max = ArrayMax(arrIn); for(uint i=0; i<size; i++) arrOut[i] = (arrIn[i]-min) / (max-min); } //-------------------------------------------------------------------- //Возвращает стандвртизированые значения элементов масcива void ArrayStandardized(double & arrIn[], double & arrOut[]) { uint size = ArraySize(arrIn); if(size == 0) return; double mean = ArrayMean(arrIn); double std = ArrayStd(arrIn); for(uint i=0; i<size; i++) arrOut[i] = (arrIn[i]-mean) / std; } Alexey Viktorov 2020.06.08 13:33 #50 Roman:当我们在讨论规范化和标准化的问题时,当被比较的数值需要被带到相同的尺度时,这种调整就适用了。 你说的 "归一化为同一尺度 "是什么意思? 例如,当我们需要比较像81.500和1.13453或5200.1或27340等数字时。 也就是说,这些数值在 整数后面 有不同的数字。 为了比较这类数据或将其传入模型,如果模型有几个标志,应用规范化或标准化,,这样模型就能正确计算,产生正确的计算。 我已经写了这样的函数,如果有人需要,请使用它们。 为什么你不喜欢ArrayMaximum和ArrayMinimum?你为什么要通过循环来写呢? 1234567 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
最低的和是23,选择第一行。谢谢,我也会注意到这一点。
但这些都是误差值,用这种方法来估计评级是否可靠?
在统计学中,他们主要使用平方之和来估计误差。
而平方之和和评级的结果不同,那么该相信哪种方法呢?
;))
排名方法是在哪个数学领域使用的?吸取这种材料并了解它的用途。
所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时,你必须明白你在做什么,你会得到什么。
如果你不知道一个令人满意的结果应该是什么,那么使用什么方法就没有区别。
所用的方法应该是能给手头的问题一个满意的解决方案的方法。在应用任何方法时,你必须明白你在做什么,你会得到什么。
如果你不知道一个令人满意的结果应该是什么,那么使用什么方法就没有区别。
我部分同意,但在这种情况下,我们要评估的是错误的价值本身,而不是它在一个模块中的重复出现。
这种方法适用于评估重复值。
我不认为这是评估错误值本身的正确方法。
我部分同意,但在这种情况下,我们评估的是错误本身,而不是它在一个模块中的重复出现。
这种方法适用于评估反复出现的数值。
我不认为这是评估错误值本身的正确方法。
如果这些数值是重复的,它们将得到与1、2、3互换完全相同的结果。
请阅读本主题的第一篇帖子,本主题的作者在那里提出了他的问题--只是阅读它,而不是编造它。
如果这些数值是重复的,它们本身会得到与1、2、3互换完全相同的结果。
请阅读本主题的第一篇帖子,该主题的作者提出了他的问题--只需阅读它,而不是编造它。
所以没有人不是在编造它。根据我对第一个帖子的理解,最初的任务是估计误差最小化。
而作者在他的表格中甚至得出了所有误差的平均值。但他认为这并不实际,也没有什么内容。
估计误差最小化和估计重复值是不同的任务。
所以没有人在编造它。根据我对第一个帖子的理解,最初的目的是估计误差最小化。
而且,该专题组甚至将他的表格中的所有错误都平均化了。但他认为这并不实际,也没有什么内容。
估计误差最小化和估计重复出现的值是不同的任务。
仅仅使用平均值是不够的,你还需要避免大的过冲。
仅有平均数是不够的,你还需要有低的弹射率。
因此,该产品
仅仅使用平均值是不够的,我们还需要避免大的离群值。
在我的例子中,MathPow(arr[i]-(max-min)/*或avg*/, 2.0)考虑到了这一点,而乘积则由平方函数来完成。
也就是说,它把它带到了二次方,这对应的是乘积。
当我们在讨论规范化和标准化的问题时,当被比较的数值需要被带到相同的尺度时,这种调整就适用了。
你说的 "归一化为同一尺度 "是什么意思?
例如,当我们需要比较像81.500和1.13453或5200.1或27340等数字时。
也就是说,这些数值在 整数后面 有不同的数字。
为了比较这类数据或将其传入模型,如果模型有几个标志,应用规范化或标准化,
,这样模型就能正确计算,产生正确的计算。
我已经写了这样的函数,如果有人需要,请使用它们。
当我们在讨论规范化和标准化的问题时,当被比较的数值需要被带到相同的尺度时,这种调整就适用了。
你说的 "归一化为同一尺度 "是什么意思?
例如,当我们需要比较像81.500和1.13453或5200.1或27340等数字时。
也就是说,这些数值在 整数后面 有不同的数字。
为了比较这类数据或将其传入模型,如果模型有几个标志,应用规范化或标准化,
,这样模型就能正确计算,产生正确的计算。
我已经写了这样的函数,如果有人需要,请使用它们。