Уравнение регрессии - страница 16

 
lea:

Сколько времени вам понадобилось чтобы сделать это открытие? :)

hrenfx выполнил и выложил отличную лабораторную- а вам- слабо? ;-)
Например, вы, случаем, не хотите открыть что-то типа темы "матрицы в валютном анализе"?
 
jartmailru:
Например, вы, случаем, не хотите открыть что-то типа темы "матрицы в валютном анализе"?

Мне хватает своих лабораторных, спасибо.

Из-за них спать приходится раз в двое суток уже вторую неделю.

 
lea:

Мне хватает своих лабораторных, спасибо.

Из-за них спать приходится раз в двое суток уже вторую неделю.

Выкладывайте. Дельного катастрофически мало.

P.S. Конечно, вас обкакают обязательно. Но на это с определенного момента перестанете обращать внимание. 

 
hrenfx:

Выкладывайте. Дельного катастрофически мало.

P.S. Конечно, вас обкакают обязательно. Но на это с определенного момента перестанете обращать внимание.


)) Так ето ж наверняка про универ :)
 
 
j21:

По поводу статьи - я где-то видел реализацию (или подобие) алгоритма (этими авторами). Как найду - выложу.

P.S. Полного текста статьи нету. ((

Если у кого-то сохранился интерес, то второй автор статьи во введении к своей кандидатской по экономике (2006, Муравьев, Дмитрий Георгиевич, Математические и инструментальные методы экономики, Научная библиотека диссертаций и авторефератов disserCat http://www.dissercat.com/content/matematicheskie-metody-razrabotki-i-otsenki-strategii-torgovli-na-mezhbankovskom-valyutnom-r?_openstat=cmVmZXJ1bi5jb207bm9kZTthZDE7#ixzz3vXr6iRi5) отмечает:

"Развиваемые в данной работе методы и алгоритмы опираются на идеи В.Н. Вапника поиска правила, близкого к наилучшему в классе для заданного объема выборки с оценкой качества правила на генеральной совокупности с заданной надежностью."

Вапник десятилетиями занимался распознаванием образов, а применительно к сказанному "поиску правила" написал очень хорошую монографию

Вапник В. Н. Восстановление зависимостей по эмпирическим данным.— М.: Наука, 1979. — 448 с. http://www.machinelearning.ru/wiki/index.php?title=%D0%9F%D1%83%D0%B1%D0%BB%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F:%D0%92%D0%B0%D0%BF%D0%BD%D0%B8%D0%BA_1979_%D0%92%D0%BE%D1%81%D1%81%D1%82%D0%B0%D0%BD%D0%BE%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B7%D0%B0%D0%B2%D0%B8%D1%81%D0%B8%D0%BC%D0%BE%D1%81%D1%82%D0%B5%D0%B9

Вводится понятие среднего риска, или эмпирического риска, который включает не только риск отклонения аппроксимирующей функции от имеющихся данных (МНК его минимизирует), но и риск от излишнего числа подгоняемых параметров или функций.

Я пользовался, как мне помнится, другой его книгой, 1984 "Алгоритмы и программы восстановления зависимостей", позволившей прямо из текста книги на Фортране написать реализацию. Брал из разных мест точечно определенные функции, просчитывал аппроксимации и алгебраическими, и тригонометрическими полиномами, смешанными комбинациями вообще любых функций. Удивлялся, насколько точно его алгоритмы определяли, сколько стоит оставить подгоняемых параметров, а сколько будут лишними. Удивлялся в том смысле, что почти во всех примерах я и сам оставил бы столько же и те же.

Причина обращения: