OPI "October Pattern Index"

**Marc0** · 14/10/2014, 18:36

OPI a -1.86 dopo il 12z.

opi.png

**Mario85** · 14/10/2014, 18:44

comunque per riagganciarmi a quello che dicevate è vero che il dato in se non vuol dire nulla..anche se l'opi va oltre...
Immagine.png

**N64** · 14/10/2014, 18:47

Originariamente Scritto da steph

Ma chi ha fatto analisi su cosa, nel merito?

citare i valori dell'indice degli anni che fanno parte del training set non ha alcun senso, in quanto tali valori non sono confrontabili con l'indice AO

**steph** · 14/10/2014, 19:37

Originariamente Scritto da N64

citare i valori dell'indice degli anni che fanno parte del training set non ha alcun senso, in quanto tali valori non sono confrontabili con l'indice AO

A parte che non ho effettuato nessuna analisi. Ho solo ricordato un fatto.

**Porano444** · 14/10/2014, 19:40

Originariamente Scritto da N64

citare i valori dell'indice degli anni che fanno parte del training set non ha alcun senso, in quanto tali valori non sono confrontabili con l'indice AO

Non ci capisco nulla ma lo studio OPI genera un valore OPI con un indice di confidenza del 91% rispetto al valore AO media trimestrale.
Dal 1976 al 2012 solo 2 casi sono stati fuori scala......

**N64** · 14/10/2014, 19:50

Originariamente Scritto da Porano444

Non ci capisco nulla ma lo studio OPI genera un valore OPI con un indice di confidenza del 91% rispetto al valore AO media trimestrale.
Dal 1976 al 2012 solo 2 casi sono stati fuori scala......

non ha alcun senso questo tipo di confronto
se tu prendi un campione e lo usi come training set per un modello e costruisci questo modello affinchè abbia un'adattamento molto alto è ovvio che i dati di output siano quasi coincidenti con quelli di imput, ma a livello correlativo questo non vuol dire nulla.
dire che il modello ha un indice di correlazione (non confidenza che è un'altra cosa) di 0.91 non ha alcun valore predittivo ne tantomeno ha senso andare a studiare la varianza degli errori

**NeuNetwork** · 14/10/2014, 20:16

Originariamente Scritto da N64

non ha alcun senso questo tipo di confronto
se tu prendi un campione e lo usi come training set per un modello e costruisci questo modello affinchè abbia un'adattamento molto alto è ovvio che i dati di output siano quasi coincidenti con quelli di imput, ma a livello correlativo questo non vuol dire nulla.
dire che il modello ha un indice di correlazione (non confidenza che è un'altra cosa) di 0.91 non ha alcun valore predittivo ne tantomeno ha senso andare a studiare la varianza degli errori

Scusate , Non capisco nulla di meteo ma conosco le reti neurali e simili , vorrei solo dire che non è del tutto esatto quello che dici, dipende da che tipo di rete si usa e cosa si vuol far apprendere alla rete .Se vuoi far apprendere una somma il traing set ha un valore in sè perchè esiste una legge che la regola, se gli vuoi far apprendere come fare sei al superenalotto e come training set dai le estrazioni precedenti la rete troverà un adattamento(variazione dei pesi nel caso di reti neurali ma potrebbero essere algoritmi di RL o Altri) ma alla prossima estrazione troverai , con disappunto....haha, che non farai sei e neanche 5 etc... perchè non esiste una legge per far sei in base alle estrazioni precedenti.

**N64** · 14/10/2014, 20:44

un utente che si registra oggi e commenta (il suo 1° commento) citandone uno mio parlando di reti nurali (e che come nick ha proprio Neural network), argomento che io non ho affrontato nel commento quotato.
sicuramente strana questa cosa

, puoi tranquillamente dire chi sei, tanto ti conosco per forza date queste premesse.

riguardo a quello che hai scritto è difficile commentare visto che non c'entra nulla con il mio intervento