Уравнение регрессии - страница 6

 

Неужели нет программных имплементаций в математических пакетах?

Следующим вопросом будет "где же скриншоты" :-).

 
Википедию гляньте, Quantile regression, там ссылки на статпакеты есть.
 
Candid:
Википедию гляньте, Quantile regression, там ссылки на статпакеты есть.

или выше по тексту ссылка. Но на русском практически ничего не найти.

Я вроде как решился потихоньку взяться за программу, повторюсь с вопросом -

кто знает, где бы надыбать реализацию линейного программирования, симплекс на худой конец, но лучше это или это??? Можт у кого друзья/знакомые в университетах баловались:) Самому ну просто УЖОС как лень ковырять:)

 
j21:

А если конкретнее, то меня особо интересует многомерная регрессия. Посмотреть на варианты решения нелинейной регресии - тоже интересно. Я не нашел алгоритмов, для решения многомерной регресии на MQL. Если вы скините ссылки, название индикаторов (если вам не лень конечно) - будет просто отлично!

В силу своей необразованности три часа назад еще не знал, что такое регрессия, МНК и нормальное распределение...

Реализацию многомерной линейной регрессии на MQL можете посмотреть здесь. Правда, там велосипед видится более совершенным, чем просто многомерная линейная регрессия (для нахождения которой, как и для нелинейной регресси, надо только решить систему дифф. уравнений (частные производные целевой фукнции равны нулю)).

Если я правильно понял МНК, то это просто минимизация целевой функции, которая является дисперсией. Целевую функция, можно определять, конечно, и другую. Например, не сумму квадратов отклонений, а сумму абсолютных значений. С анализом эффективностей различных целевых функций не ознакомился еще.

 
alsu:
кто знает, где бы надыбать реализацию линейного программирования, симплекс на худой конец, но лучше это или это??? Можт у кого друзья/знакомые в университетах баловались:) Самому ну просто УЖОС как лень ковырять:)
Напишите, пожалуйста, как в вашем случае звучит задача линейного программирования?
 
alsu:
....

кто знает, где бы надыбать реализацию линейного программирования, симплекс на худой конец, но лучше это или это??? Можт у кого друзья/знакомые в университетах баловались:) Самому ну просто УЖОС как лень ковырять:)

Быстро посмотрел. Очень похоже что в маткаде это решается очень просто. Помойму даже в примерах есть http://www.exponenta.ru/educat/forum/consult/mathcad.asp
 

Ниже ссылки на примеры реализации численных методов безусловной минимизации, которые отличаются простотой, доходчивостью и наглядностью настолько, что сразу можно реализовать на MQL:

Безусловная минимизация функций многих переменных методом покоординатного спуска

Безусловная минимизация функций многих переменных градиентным методом

 

Маткад ОК. Но, поскольку ограничивается линейной задачей, это, видимо симплекс. Предвижу проблемы со сложностью перебора.

По поводу спуска - а он будет работать для негладких функций?

 
alsu:

Маткад ОК. Но, поскольку ограничивается линейной задачей, это, видимо симплекс. Предвижу проблемы со сложностью перебора.

По поводу спуска - а он будет работать для негладких функций?

Я практик, не теоретик. Решать задачи в общем виде не умею. Условия задачи?

Дойдете до четкой формализации целевой функции, тогда проще будет искать подходящий рабочий метод поиска решения.

 
hrenfx:

Я практик, не теоретик. Решать задачи в общем виде не умею. Условия задачи?

Дойдете до четкой формализации целевой функции, тогда проще будет искать подходящий рабочий метод поиска решения.

так формализовано уже все, читайте ссылку, ту что на русском (первая на 3 стр). Задача квантильной регрессии сведена к задаче линейного программирования: найти минимум линейной функции при линейных ограничениях.

Подумал тут, градиентный спуск будет работать хуже, чем симплекс-метод, т.к. град-т - более общий. При прочих равных заведомо не меньшее количество итераций.

В принципе в статье дается намек, как уменьшить число итераций. Так что буду, наверное, пока писАть "оптимизированный" симплекс. Если упрусь в вычислительный предел, буду думать дальше:)))))

Причина обращения: