सांख्यिकीय परीक्षण प्रणाली के बारे में जो आप चाहते हैं

ऐतिहासिक डेटा से बीटीसी / यूएसडी बिटकॉइन दर की भविष्यवाणी करने के लिए समस्या को हल करने के दौरान, एक समझ आई कि एक कंप्यूटिंग सिस्टम क्या होना चाहिए जिसके साथ आप वांछित मॉडल का निर्माण कर सकते हैं। मैं सम्मानित हबर-दुनिया के लिए इस दृष्टि का वर्णन करना चाहता था और इस तरह से यह समझना कि वर्तमान वास्तविकता के लिए यह कितना दिलचस्प है।

इसलिए, हम सांख्यिकीय सेटिंग में कुछ समस्या पर विचार करते हैं। इसका मतलब यह है कि हमारे पास कुछ डेटा सेट है, सादगी के लिए, समय-समय पर बीटीसी / यूएसडी की कीमत। मान लीजिए कि हम निम्नलिखित लक्ष्य निर्धारित करते हैं: अगले दिन बीटीसी / यूएसडी मूल्य के औसत मूल्य पर एक अनुमान बनाने के लिए, जैसे कि निर्दिष्ट गुणवत्ता कार्यात्मक न्यूनतम है। सबसे सरल मामले में, गुणवत्ता कार्यात्मक के रूप में, हम अनुमानित मूल्य से वास्तविक औसत मूल्य के विचलन का योग ले सकते हैं, मोदुलो लिया और वास्तविक मूल्य के लिए सामान्यीकृत कर सकते हैं।

जैसा कि यह निकला, और आश्चर्यजनक रूप से नहीं, भविष्यवाणी के लिए एक मॉडल बनाना अपेक्षाकृत आसान है। इससे भी अधिक सटीक रूप से, एक नियम के रूप में, मॉडल का एक विशाल द्रव्यमान ऐसे कार्य के लिए दिखाई देता है, जो ट्यूनिंग मापदंडों के मूल्य और स्वतंत्रता की आंतरिक डिग्री और अन्य आंतरिक संरचनाओं की संख्या में भिन्न हो सकता है। इसलिए, समस्या का समाधान निम्न समस्या के लिए कम हो गया है: यह उपलब्ध मॉडल के सर्वोत्तम सेट को चुनने के लिए सांख्यिकीय रूप से सही है।

इस समस्या को हल करने के लिए, हमें सांख्यिकीय अनुमान के लिए एक प्रणाली की आवश्यकता है, जिसे आप चाहते हैं:

• आपको सिस्टम में एक मॉडल निर्दिष्ट करने की आवश्यकता है, ट्यूनिंग मापदंडों का वर्णन करें और उस डेटा को निर्दिष्ट करें जिस पर मॉडल का मूल्यांकन (प्रशिक्षित) किया जाएगा। उपयोग किए गए डेटा का उपयोग इस मॉडल के परीक्षण में नहीं किया जाएगा;
• कई मॉडलों के लिए, आपको गणनाओं के माध्यम से एक गुणवत्ता मानदंड निर्दिष्ट करने की आवश्यकता है, जिसमें मॉडल की तुलना सांख्यिकीय रूप से की जाएगी;
• मॉडल की तुलना करते समय, झूठे-सकारात्मक / झूठे-नकारात्मक निष्कर्ष के लिए मापदंड पर काम करना आवश्यक है (जब निष्कर्ष के लिए डेटा या तो पर्याप्त नहीं है या सांख्यिकीय त्रुटि के कारण तुलना असंभव है)।

प्रणाली की मुख्य विशेषता: इसके निष्कर्ष सांख्यिकीय रूप से प्रमाणित (उपलब्ध सूचना के भीतर) होंगे और गणितीय आंकड़ों के अनुसार, स्वतंत्र रूप से स्वतंत्र आंकड़ों की संख्या में वृद्धि के साथ एक वास्तविक मूल्य में परिवर्तित हो जाएंगे।

ऑफहैंड, यह सिस्टम मशीन लर्निंग प्रौद्योगिकियों का उपयोग करके निर्मित मॉडल के परीक्षण सहित कार्यों के एक बड़े वर्ग के लिए उपयोगी होगा।

और अगर...

• यदि ऐसी प्रणाली पहले से ही उपलब्ध और सुलभ है (यथार्थवादी शिक्षण वक्र के साथ ), तो आपको इसका उपयोग करने के लिए दौड़ने की आवश्यकता है;
• अभी तक ऐसी कोई व्यवस्था नहीं है, तो आपको इसे करने के लिए बैठने की आवश्यकता है।

अंतभाषण

1. जैसा कि अक्सर जीवन में होता है, कार्य की जटिलता का सही आकार स्पष्ट हो जाता है जब आप समस्या में गहराई से उतरते हैं ...
2. अगले दिन बिटकॉइन बीटीसी / यूएसडी की दर की भविष्यवाणी करने के लिए एक मॉडल का एक उदाहरण यहां पाया जा सकता है ।

पुनश्च:
आप-डाई-शि: हाँ, आप-डाई-श ...