(4) ja
(5) normitusvakio (eli summa kaikkien painojen) on kompromissi tarkkuuden ja käyntiaika. Mitä suurempi numero sitä parempi tarkkuus, eli on enemmän päätöslauselma yksittäisten painojen, mutta siellä on myös lisääntynyt monimutkaisuus aritmeettinen mukana paino muuttuvassa prosesseja.
Toinen vaikutus on todettava, että aritmeettinen pyöristäminen on jako voi aiheuttaa tahattomia tulokset (perustuu suoriin kokemus!) Ja niin jatkuva pitäisi olla riittävän suuri päästä yli tyydyttävästi. Päätettiin valita alkuarvo 100 kunkin 10 painot, jolloin jatkuva summa 1000. parametrin arvo vaikuttaa selvästi aikaan oppimisen aikana andhistory. Muissa Word-, koska on jonkinlainen "haku etäisyyden" ylittämällä vähimmäisvaatimus näyttäisi tarvinnut etsiä liian pitkälle.
Kuitenkin, tämä ei havaittu olevan asian ja päättely on, että oppiminen riippuu enemmän monimutkaisuudesta historia on kuvattu kuin arvo A. vahvistetaan jatkuvasti 100. COIN suorituskyvyn ja ongelmien onnistumisen tai epäonnistumisen Coin riippuu hyvin voimakkaasti muotoon tietoja, jonka kanssa se on esitetty. Jos on epäjohdonmukaisuuksia tiedoissa sitten ohjelma hajoaa ja tuota ennuste (muu kuin mielivaltainen-toisin sanoen se aina tuottaa jotain).
Tämä voidaan kytkeä rinnan kaikissa oppimisen tilanteessa, jossa häiriö tai epäjohdonmukaisuus ympäristössä taipumus heikentää oppimista tai jopa pysäyttää se kokonaan. Tästä pääsemmekin uskoakseni keskeinen ongelma investointien ja portfolioanalyysi-valinta avainsana muuttujia. Toisin sanoen, mitkä muuttujat selittävät liike osakekurssien? Tämä tietysti tuo meidät suoraan takaisin jaon mallin rakentamisessa ja sitten manipuloida sitä tarkoitetut kyselyyn.
Monet lähestymistapoja aiemmin on yleensä keskittyä kuolla manipuloinnista vaihe ja jättää ensimmäisen vaiheen, pienoismallit, koska implisiittinen viittaus. Tämä heijastaa myös ei päästy sovintoon toimiva teoria pörssissä menettelyjä ja suorituskykyä. Kuitenkin paljon työtä on tehty käyttäen tilastollisia menetelmiä analysointiin korrelaatioita osake-hintojen ja eri ennakolta valittujen muuttujien (erityisesti Rayner ja Pikku (1966)). Kaikki - tämä työ tuntuu jättää keskeinen ongelma untouched-, käyttökelpoinen malli on niin kaukana kuin koskaan.
Vastaus on, tunnen, ei soveltaessaan yksi lähestymistapa jäykästi vaan yhdistämällä monia tekniikoita käytössä muilla