Материал из MachineLearning.
(Различия между версиями)
|
|
| (65 промежуточных версий не показаны.) |
| Строка 1: |
Строка 1: |
| - | == Обсуждение ==
| |
| | | | |
| - | * > ...Время считается дискретным...
| |
| - | *# Подход, в котором плотность вначале представляется как непрерывная функция времени, мне представляется лучшим. Поскольку в таком подходе можно выбирать различное число интервалов разбиения. [[Участник:ADY|ADY]]
| |
| - | * > ...это приводит к появлению дополнительных ограничений типа равенств в задаче максимизации правдоподобия;...
| |
| - | *# Это справедливо только в параметрическом случае и в случае, когда обратные функции (которые появятся при решении связей) будут удовлетворять некоторым условиям?
| |
| - | *# Максимизация правдоподобия - только один из методов получения оценок (пусть даже и с "хорошими" свойствами).
| |
| - | * > ...выборка может быть «немного» неоднородной;...
| |
| - | *# Если вводить веса (через ядро), то, такое впечатление, это эквивалентно тому, что мы делаем выборку однородной, но во всех функционалах учитываем веса. Если решение пойдет по этому пути, тогда можно подумать на тему введения весов для каждого элемента эмпирических данных?
| |
Текущая версия
