훌륭하게 맞는 TS가 있습니다. 동시에 특정 입력 매개 변수 세트가 실제 패턴을 수익성있게 활용한다는 것이 정확하게 알려져 있습니다. 즉, 이 세트는 적합하지 않습니다.
이 세트를 찾을 수 있을까요?
"잘 맞는 TC" 라는 절을 제거하면필드를 상당히 좁힐 수 있습니다. 그리고 찾고자 하는 패턴에 대해 바로 알 수 있는 것도 많습니다.
임의의 지표를 취하고, 명백하게 의존적인 지표를 제거한 다음, 거기에서 "적합한 TS"를 얻고, 이 모든 것에서 실제 규칙성의 악용을 분리할 수는 없습니다.
좋은 질문은 대답의 절반입니다. 알고리즘 최적화와 ML이 적용되는 실제 세계에서는 일반적으로 정확히 무엇을 검색하고 있는지 (특성의 어둠)를 알 수 있으며 기능을 강조하고 한계를 설명하는 것이 필요합니다. 그리고 여기서는 아무도 그가 무엇을 찾고 싶은지 모르지만 최적화 프로그램을 실행하는 방법을 알고 있습니다 :-)
이론적인 질문입니다.
훌륭하게 맞는 TS가 있습니다. 동시에 특정 입력 매개 변수 세트가 실제 패턴을 수익성있게 활용한다는 것이 정확하게 알려져 있습니다. 즉, 이 세트는 적합하지 않습니다.
이 세트를 찾을 수 있을까요?
"잘 맞는 TC" 라는 절을 제거하면필드를 상당히 좁힐 수 있습니다. 그리고 찾고자 하는 패턴에 대해 바로 알 수 있는 것도 많습니다.
임의의 지표를 취하고, 명백하게 의존적인 지표를 제거한 다음, 거기에서 "적합한 TS"를 얻고, 이 모든 것에서 실제 규칙성의 악용을 분리할 수는 없습니다.
좋은 질문은 대답의 절반입니다. 알고리즘 최적화와 ML이 적용되는 실제 세계에서는 일반적으로 정확히 무엇을 검색하고 있는지 (특성의 어둠)를 알 수 있으며 기능을 강조하고 한계를 설명하는 것이 필요합니다. 그리고 여기서는 아무도 그가 무엇을 찾고 싶은지 모르지만 최적화 프로그램을 실행하는 방법을 알고 있습니다 :-)
수익 곡선의 특성은 OOS에 의해 변하지 않습니다: 크기(OOS_좌측) = 크기(OOS_우측) = 크기(샘플). 대체로 그냥 지나칠 수 없는 결과입니다.
OOS 검사를 통한 재 최적화를 통해 잘 찾을 수 있습니다 :)
몇 문장으로 공개해 주세요.
몇 문장으로 설명해 주세요.
울프 포워드에 대해서는 모두가 알고 있다고 생각합니다. 샘플에 최적화되면 결과는 oos에서 가져옵니다. 곡선이 달라지지 않도록 평균화된 매개변수를 사용하여 전체적으로 가장 좋은 결과를 얻습니다.
100개의 단계를 거쳐 100개의 입력 세트를 얻었다고 가정해 보겠습니다. "각 입력 세트는 해당 입력 100 세트의 평균과 같다"는 원칙에 따라 평균 세트를 형성하면 이 세트가 전체 초기 간격을 잘 통과할 가능성은 거의 없습니다.
100개의 단계를 수행하여 100개의 입력 집합을 얻었다고 가정해 보겠습니다. "각 입력 집합은 해당 입력 100개 집합의 평균과 같다"는 원칙에 따라 평균 집합을 형성하면 이 집합이 전체 초기 간격을 잘 통과할 가능성은 거의 없습니다.
그렇지 않다면 논리적으로 좋은 세트가 전혀 없습니다.
논리적이지 않습니다! 예를 들어 집합은 FF에 의존합니다.
비논리적입니다! 예를 들어 세트는 FF에 따라 달라집니다.
"신경망은 쉽다"라는 이 끝없는 기사를 읽는 사람이 있을까요?
잔액을 아래로 스크롤해 보니 그 남자가 다음 속담을 모른다는 것을 깨달았습니다:
"여기서 보는 것만으로는 충분하지 않고, 여기서 봐야하고, 여기서 생각해야합니다 ... "
그는 자료를 피상적으로 연구하고 그의 결론은 그다지 유능하지 않습니다.