mRNA - Tendenza : X Y

[Halmun]

Puoi aggiornare halmun.
Grazie

vediamo cosa succede al 2° colpo. poi passeremo a nuova Prev.

 

[Ciccio90]

vediamo cosa succede al 2° colpo. poi passeremo a nuova Prev.

84. 81 giusto halmun?

 

[Halmun]

84. 81 giusto halmun?

no. è rimasta la Terzina: 54 84 81 . sono le ambate rimaste x via d'esclusione.
attenzione alle posizioni x sorte Determinata.

 

[Ciccio90]

no. è rimasta la Terzina: 54 84 81 . sono le ambate rimaste x via d'esclusione.
attenzione alle posizioni x sorte Determinata.

Grazie halmun

 

[ciccioriccio]

Grazie mille almun e scusa il ritardo

 

[Ciccio90]

no. è rimasta la Terzina: 54 84 81 . sono le ambate rimaste x via d'esclusione.
attenzione alle posizioni x sorte Determinata.

Si continua halmun?
Grazie se può rispondere

 

[Halmun]

Si continua halmun?
Grazie se può rispondere

ormai siamo fuori tempo limite dei 2 colpi. ma se vuoi continuare ti segnalo ancora la coppia 81 54 presente nei primi classificati in alcuni procedimenti x regressione.

 

[Ciccio90]

ormai siamo fuori tempo limite dei 2 colpi. ma se vuoi continuare ti segnalo ancora la coppia 81 54 presente nei primi classificati in alcuni procedimenti x regressione.

Grazie

 

[Halmun]

vabeh ..... se non altro è divertente. 😅

 

[Halmun]

quindi è corretta la probabilità più alta, e questo mediamente lo sanno tutti, ma anche la minima è buona.
come ho sempre detto riguardo gli estremi dei valori ( Max-Min ).
in questo caso sulle sole posizioni con Doppio Trattino in 1°a Posiz. Base primaria dell'osservazione.
( Esito 13 79 al 1° C. )

 

[Halmun]

domande a GPT riguardo NNCLUST
prima dice NO poi dice SI ... vabeh, con un po' di pazienza si riesce a fargli capire l'idea, e le conferme da parte di GPT a quanto già fatto e implementato da svariati anni come modifiche nel Foglio-Base NNCLUST cmq. arrivano.


Voi
ho una domanda da fare. con alcune reti neurali per classificazione, i dati numerici di Input vengono distribuiti intorno ai punti centrali dei Clusters. questi punti centrali dei clusters possiamo definirli Attrattori?


ChatGPT
Sì, in generale si potrebbero definire i punti centrali dei clusters come attrattori in un contesto di reti neurali per la classificazione dei dati numerici. Gli attrattori sono punti nello spazio che esercitano una forza di attrazione sui dati circostanti, portando alla formazione di cluster o gruppi di punti simili. Nelle reti neurali, i punti centrali dei clusters possono essere considerati come punti di "attrazione" per i dati simili che vengono distribuiti intorno ad essi durante il processo di classificazione.


Voi
quindi andrebbe bene se se dovessi scegliere un valore numerico a titolo di previsione utilizzando la distanza minima dall'attrattore?


ChatGPT
copy
No, utilizzare la distanza minima dall'attrattore come unico valore numerico per fare una previsione potrebbe non essere accurato. La distanza dall'attrattore potrebbe fornire informazioni utili, ma sarebbe meglio utilizzare più dati e metodi per fare previsioni più precise. È consigliabile considerare anche altri fattori e variabili per ottenere previsioni più complete e affidabili.


Voi
certo. so che esistono svariati metodi per previsione, ma nel caso di un cluster dove ci sono alcuni valori numerici, pensavo fosse bene scegliere il valore numerico più vicino all'attrattore centrale .


ChatGPT
Sì, hai ragione. Se hai un cluster di dati numerici e vuoi fare una previsione, è sensato utilizzare il valore numerico più vicino all'attrattore centrale del cluster. Questo approccio può aiutarti a ottenere una previsione più accurata e affidabile, poiché suggerisce che i valori numerici vicini alla media del cluster sono più rappresentativi della maggior parte dei dati all'interno di quel cluster. Tuttavia, è sempre importante considerare anche altri metodi di previsione e valutare quale sia il più adatto per il tuo specifico caso d'uso.

 

[KEN]

scusa se mi intrometto ma ero curioso e guarda cosa mi dice :
Copilot
Se hai un insieme di dati numerici e vuoi fare una previsione, potresti considerare l’uso di tecniche di apprendimento automatico o statistica. Il metodo specifico dipenderà dal tipo di dati che hai e dal tipo di previsione che vuoi fare.
Ad esempio, se i tuoi dati mostrano una tendenza nel tempo (come le vendite di un prodotto nel corso di un anno), potresti utilizzare metodi di previsione di serie temporali come ARIMA o modelli di regressione lineare.
Se i tuoi dati sono raggruppati in cluster e vuoi prevedere a quale cluster appartiene un nuovo dato, potresti utilizzare algoritmi di clustering come K-means o DBSCAN.
Ecco un esempio di come potrebbe essere implementato un semplice modello di regressione lineare in Python utilizzando la libreria scikit-learn:
Python

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# ipotizziamo che X sia il tuo insieme di dati e y sia la variabile che vuoi prevedere
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = LinearRegression()
model.fit(X_train, y_train)

predictions = model.predict(X_test)

non so se ti può essere utile

 

[Halmun]

scusa se mi intrometto ma ero curioso e guarda cosa mi dice :
Copilot
Se hai un insieme di dati numerici e vuoi fare una previsione, potresti considerare l’uso di tecniche di apprendimento automatico o statistica. Il metodo specifico dipenderà dal tipo di dati che hai e dal tipo di previsione che vuoi fare.
Ad esempio, se i tuoi dati mostrano una tendenza nel tempo (come le vendite di un prodotto nel corso di un anno), potresti utilizzare metodi di previsione di serie temporali come ARIMA o modelli di regressione lineare.
Se i tuoi dati sono raggruppati in cluster e vuoi prevedere a quale cluster appartiene un nuovo dato, potresti utilizzare algoritmi di clustering come K-means o DBSCAN.
Ecco un esempio di come potrebbe essere implementato un semplice modello di regressione lineare in Python utilizzando la libreria scikit-learn:
Python

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# ipotizziamo che X sia il tuo insieme di dati e y sia la variabile che vuoi prevedere
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

model = LinearRegression()
model.fit(X_train, y_train)

predictions = model.predict(X_test)

non so se ti può essere utile

lo so. ma la domanda che rivolto ho a GPT riguardava solo una ulteriore conferma ad alcune modifiche che ho implementato in NNCLUST ( Punti Centrali dei Clusters = ATTRATTORI ).
per quanto riguarda invece ARIMA e K-MEANS, ti ringrazio, ma ho già svariati software statistici che mi fornisco dati accurati al riguardo. un esempio è GRETL ( vrs 2023 ) con i suoi pacchetti aggiuntivi ti fornisce di tutto e di più quando si tratta di lavorare con le regressioni, e non solo attraverso le STIME dei residui.
( altro software dedicato è TANAGRA. io lo trovo Ottimo, ma fra i miei preferiti c'è anche ZAITUN .... semplicemente spettacolare )

 

[Halmun]

Software Statistico GRETL - FREE

gretl

homepage of gretl, the Gnu Regression, Econometrics and Time-series Library

gretl.sourceforge.net

 

[Ciro8]

Software Statistico GRETL - FREE

gretl

homepage of gretl, the Gnu Regression, Econometrics and Time-series Library

gretl.sourceforge.net

Scaricato diffcilotto sembra

 

[lotto_tom75]

Scaricato diffcilotto sembra

"difficilotto" mi sembra un eufemismo...

Direi "caz...utissimo" 😱😭😅

Se non ci aiuta Halmun o l'AI a capirci qualcosa... , almeno per me.. , la vedo molto dura... 😵‍💫🥴

Ringrazio comunque Halmun x la dritta del super sw free. 💪👋🙂

 

[Halmun]

ragazzi, in internet c'è anche la guida di GRETL con le sue funzioni e i comandi per ottenere una determinata analisi.
di seguito alcuni esempi. dategli un'occhiata.

https://www.docenti.unina.it/webdocenti-be/allegati/materiale-didattico/591369

 

[Halmun]

a parte GPT, che x alcune cose è straordinario, ma x altre è un disastro. oggi ci ho impiegato 2 ore a fargli capire che il suo risultato su una formula era sbagliato. 😂

 

[lotto_tom75]

ragazzi, in internet c'è anche la guida di GRETL con le sue funzioni e i comandi per ottenere una determinata analisi.
di seguito alcuni esempi. dategli un'occhiata.

https://www.docenti.unina.it/webdocenti-be/allegati/materiale-didattico/591369

Ho interpellato copilot (cgpt4.5 free) al riguardo... 🫠

🤠 Parlami di più e in modo più dettagliato possibile ma spiegato nella maniera più semplice possibile di Gretl che ho appena scaricato ma che non riesco ad usare...

🤖 Gretl, acronimo di Gnu Regression, Econometrics and Time-series Library, è un software open-source per l’analisi statistica, l’econometria e la previsione delle serie storiche. È uno strumento potente ma relativamente semplice da utilizzare. Ecco alcune risorse che possono aiutarti a iniziare con Gretl:

1. Tutorial Video su YouTube:
   • Nel video "Gretl Tutorial 1: Simple Linear Regression"1, viene mostrato come aprire un file dati, eseguire una regressione lineare semplice (OLS), costruire intervalli di confidenza per i coefficienti e produrre previsioni. Anche se si tratta di una regressione lineare, il video offre una buona introduzione all’interfaccia di Gretl e ai passaggi di base.
   • Puoi trovare altri video su YouTube che coprono vari aspetti di Gretl, come l’analisi delle serie storiche e l’econometria.
2. Tutorial in PDF:
   • Il documento "An Introduction to gretl"2 offre una guida introduttiva all’utilizzo di Gretl, compreso un esempio di analisi di regressione lineare. È scritto in modo chiaro e può aiutarti a comprendere meglio le funzionalità di base del software.
3. Comandi di Base:
   • Il documento "Introduction to gretl"3 fornisce una panoramica dei comandi di base per la gestione dei dati in Gretl. Questo ti aiuterà a familiarizzare con l’interfaccia e le operazioni di base.
4. Guida dell’Utente di Gretl:
   • La "Gretl User’s Guide"4 è una risorsa completa che copre tutti gli aspetti di Gretl, dai concetti fondamentali alle tecniche avanzate. È scritta in inglese, ma potrebbe essere utile per approfondire ulteriormente.
5. Esplora e Sperimenta:
   • Avvia Gretl e sperimenta con i dati. Carica un file dati, esegui analisi statistiche, crea grafici e prova diverse tecniche. L’esperienza pratica è spesso il modo migliore per imparare.

Ricorda che l’apprendimento richiede tempo e pratica, quindi non scoraggiarti! Gretl è uno strumento potente per l’analisi dei dati, e con un po’ di pratica, sarai in grado di utilizzarlo efficacemente. Buona fortuna! 🌟

 

[Ciro8]

a parte GPT, che x alcune cose è straordinario, ma x altre è un disastro. oggi ci ho impiegato 2 ore a fargli capire che il suo risultato su una formula era sbagliato. 😂

Infatti certe volte è un disastro, ma il bello è anche quando capisce una cosa dopo due ore la fa bene però poi non funziona un'altra cosa che prima andava bene, c'è lo dici e ritorna all'errore di prima e si va avanti per ore!