ADMG funzt hier prima
Einen direkten Vergleich zu Neuro Classify kann ich leider nicht bieten, obwohl ich meine ersten Erfahrungen bezüglich Machine Learning mit NC gemacht habe (abseits Neuronalen Netzen).
Grundsätzliche Erfahrungen die ich mit ADMG gemacht habe:
Simple is king.
Müll rein, Müll raus. (Da sind wir dann auch ganz schnell beim Entrauschen von Zeitreihen, was auch ein riesiges Gebiet ist)
Denke mal das ist auf NC übertragbar. Warum ich nicht bei NC geblieben bin? Die Anzahl an Einstellungsmöglichkeiten haben mich doch recht eingeschüchtert. Auch war ich nie ganz sicher welche Einstellung denn nun genau was bewirkt (in einfachen Worten ausgedrückt. Erinnerungen sind aber ca ein Jahr alt und Log hatte ich damals nicht, auch war mein Wissen natürlich begrenzt, würde wohl heute die Sache anderst angehen).
Bei ADMG hab ich weniger Optionen (Simple) und die Einstellungen machen mehr Sinn, dafür ein wenig Umständlich zu bedienen (Variabler Trimmer ist hier Gold wert). Ausserdem vermisse ich eine automtische Zeitraumoptimierung wie sie für NC erschien. Zukunftsblick und Überoptimierung muss ich wohl nicht ansprechen, man muss auf der Hut sein.
Machine Learning ist kein Wundermittel sondern es braucht Zeit um da ein Gefühl dafür zu bekommen. Auch ist es relativ hoch auf der Voodoo Skala, extreme Vorsicht ist somit angesagt.
Um mal auf die ursprüngliche Frage zurück zu kommen (drifte gerade ab merke ich):
Falls du meinst unterschiedliche Komprimierungen übereinander gelegt als Input für ein System:
Ja, bei ADMG ist das möglich, ABER sei vorsichtig mit dem Komp indikator: korrekte formulierung mit Ref-1 beachten, ansonsten -> Zukunftsblick
Ist das selbe bei NC möglich? Weiss ich nicht, kann vielleicht Bernd beantworten, würde mich auch interessieren.
Direkt vergleichen wird wohl nicht möglich sein, dafür sind die Einstellungen NC <-> ADMG zu verschieden