функциями, чтобы распределение одной функции описывало распределение другой. Но, есть проблема, две выборки, по которым строятся функции разного размера. Как при условии этого можно задать регрессию? конкретно не совсем понимаю как обучить саму модель.
Нормируйте выборки на обще число, например на 1цу. Постройте по ним функции. И минимизируйте градиентно функционал расстояния (в вашей интерпретации). Без нормировки тоже должно сходится, но медленнее.
Спасибо, но я все же не понимаю как задать обучение самой модели , нормировка только приведет данные, но на обучения все равно все еще будут подаваться функции разных размеров. Не совсем понимаю как правильно задать обучение
Нужно будет делать ресэмплинг, по готовым функциям: по 1у сэмплу с каждой за раз. По мне, так использование регрессии для этой задачи выглядит не самым подходящим решением, скорее градиентный спуск. Какие параметры должно подбирать "обучение" в такой задаче? Все параметры исходных функций, стремясь минимизировать их разность?
Обсуждают сегодня