Maxim Dmitrievsky #: 레이블이 지정된 데이터 세트가 있고, 이 레이블에 최대한 가깝게 학습시키고 싶습니다. 다른 기준을 적용하면 이러한 레이블이 더 이상 중요하지 않나요?
그러면 학습 프로세스가 전략을 완전히 바꿉니다.
TS의 견고성은 AO나 특정 테스트 도구의 우수성의 문제가 아니라 기준 선택의 문제입니다. 평가 기준이 적절할수록 모델이 새로운 데이터에서 더 적절하게 작동합니다. 최고의 AO를 선택한다는 것은 기준 최적화를 위한 최고의 도구를 선택한다는 것을 의미합니다. AO의 잘못이나 테스터의 잘못이 될 수 없습니다. 기준은 책임을 져야 합니다.
마치 Fomenko가 말하는 것을 듣지 못하는 것 같습니다. 저는 이미 테스터가 수익성이나 향후 수익성있게 일할 수있는 TS의 능력에 영향을 미치지 않는다고 여러 번 말씀 드렸습니다. 테스터는 도구일 뿐 그 이상도 이하도 아닙니다. 최적화 알고리즘은 도구일 뿐 그 이상도 이하도 아닙니다. 돈을 벌기 위한 삽의 '성공'에 대해 논의하는 것과 같습니다.
청각 장애인과 시각 장애인 간의 대화와 같습니다.
저는 금융 시장이 고정되어 있지 않기 때문에 기준과 함께 최적화가 필요하지 않다고 쓰고, 여러분은 제가 최적화에 대해 이해하고 있다고 씁니다.
레이블이 지정된 데이터 세트가 있고, 이 레이블에 최대한 가깝게 학습시키고 싶습니다. 다른 기준을 적용하면 이러한 레이블이 더 이상 중요하지 않나요?
문제가 있는 기준입니다.
레이블이 지정된 데이터 세트가 있고, 이 레이블에 최대한 가깝게 훈련하고 싶습니다. 이 레이블과 관련이 없는 다른 기준을 사용하면 이 레이블은 더 이상 중요하지 않나요?
이것이 바로 기존 MO에서 흔히 볼 수 있는 최적화(학습)에서 조금 멀어지고 있다는 점입니다. 우리는 더 넓은 의미의 최적화를 향해 나아가고 있습니다(예를 들어 MT5에서처럼). 하지만 동시에 MO에 사용되는 모델의 성능과 유연성을 유지하고자 합니다.
저는 MT5 최적화와 MO 적용 사이의 개념적 차이 때문에 항상 혼란스러웠습니다. 중간 접근 방식에 대한 옵션이 있으면 좋을 것 같습니다.
마치 Fomenko가 말하는 것을 듣지 못하는 것 같습니다. 저는 이미 테스터가 수익성이나 향후 수익성있게 일할 수있는 TS의 능력에 영향을 미치지 않는다고 여러 번 말씀 드렸습니다. 테스터는 도구일 뿐 그 이상도 이하도 아닙니다. 최적화 알고리즘은 도구일 뿐 그 이상도 이하도 아닙니다. 돈을 벌기 위한 삽의 '성공'에 대해 논의하는 것과 같습니다.
청각 장애인과 시각 장애인 간의 대화와 같습니다.
저는 금융 시장이 고정되어 있지 않기 때문에 기준과 함께 최적화가 필요하지 않다고 쓰고, 여러분은 제가 최적화에 대해 이해하고 있다고 씁니다.
성공, 연금술사들은 수백 년 동안 모든 것을 금으로 변환해 왔습니다.
요점은 기존 MO에서 허용되는 최적화(트레이닝) 유형에서 약간 벗어나고 있다는 것입니다. 우리는 더 넓은 의미의 최적화를 향해 나아가고 있습니다(예를 들어 MT5에서와 같이). 하지만 동시에 MO에 사용되는 모델의 성능과 유연성을 유지하고자 합니다.
저는 MT5 최적화와 MO 적용 사이의 개념적 차이 때문에 항상 혼란스러웠습니다. 중간 접근 방식에 대한 가능성이 있으면 좋을 것 같습니다.
평가 기준이 적절할수록 모델이 새로운 데이터에서 더 적절하게 작동합니다. 최고의 AO를 선택한다는 것은 기준을 최적화하는 데 가장 적합한 도구를 선택한다는 의미입니다. AO의 잘못이나 테스터의 잘못이 될 수 없습니다. 기준의 잘못입니다.
TS의 견고성은 평가 기준과 아무 관련이 없습니다. 기준은 정확히 하나이기 때문입니다 - 거래의 방향을 추측했는지 여부. 그러나 후자는 예측자의 집합과 속성에 따라 달라집니다.
네, 청각 장애인이 시각 장애인과 대화하는 장면입니다.
저는 금융 시장이 고정되어 있지 않기 때문에 기준과 함께 최적화가 필요하지 않다고 썼고, 당신은 제가 최적화에 대해 이해하고 있다고 썼습니다.
사실 당신도 최적화를 하고 있습니다. 당신은 "신호의 고정성"이라는 기준을 만들어서 그에 따라 최적의 신호를 취하고 있습니다. 역사적으로도 동일한 최적화이지만 프로필에서는 다릅니다.
TS의 견고성은 평가 기준과 관련이 없습니다. 기준은 정확히 하나이기 때문입니다-거래 방향을 추측했는지 여부입니다. 그러나 후자는 예측자의 집합과 속성에 따라 다릅니다.
여기에서 TS 견고성에 대한 기준을 발명하고 그에 따라 최적화하는 것이 절대적으로 필요합니다.) 다시역사에서 동일한최적화를 얻을 수있지만 다른 프로필에서).
여기까지입니다. "최적화"라는 단어에 대한 일부 동지들의 알레르기를 이해하지 못합니다.
최적화는 최상의 솔루션을 찾는 과정으로 간주되어야 합니다. 견고한 모델의 최상의 솔루션. 모델이 견고하지 않다면(평가 기준이 약하다면), "거울을 탓하지 말라"(최적화를 탓하라)는 말이 있듯이 말입니다.