transcendreamer 표준 편차에 도달했습니다 :) 그리고 재미 없었지만 물론 분석 모델링을 수행하지 않을 것이며 기계가 철이기 때문에 평소와 같이 무차별 대입을 할 것입니다.
어쨌든 무차별 대입 없이는 작동하지 않습니다. 문제는 최적화 중에 얻은 글로벌 극한값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 그리고 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패 가능성(예: 메타파라미터의 과적합)만 더 커질 뿐입니다.
직관에 따르면 그 이유는 모든 샘플에서 산발적으로 발생하는 무작위로 보이는 패턴에 비해 실제 패턴의 약점 때문이라고 합니다. 마치 진짜 금을 찾는 데 방해가 되는 '바보의 금'인 황철석처럼 말입니다.
MO 스레드에서 MO!=최적화라는 생각이 있었고, 논리적인 결론에 도달해야 한다는 생각이 들었습니다.
어차피 무차별 대입을 하지 않고는 할 수 없습니다. 문제는 최적화 중에 얻은 글로벌 극값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 또한 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패할 가능성(예: 메타파라미터의 과적합)만 추가될 뿐입니다.
직관에 따르면 그 이유는 모든 샘플에서 산발적으로 발생하는 무작위로 보이는 패턴에 비해 실제 패턴이 약하기 때문이라고 합니다. 진짜 금을 찾지 못하게 하는 '바보의 금'인 황철석과 같은 것입니다.
MO 스레드에서 MO!=최적화라는 생각이 있었고, 논리적인 결론에 도달해야 한다는 생각이 들었습니다.
1. 문제는 최적화 중에 얻은 글로벌 극값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 또한 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패할 가능성(예: 메타파라미터의 과적합)이 더 커질 뿐입니다.
2. 직관에 따르면 그 이유는 샘플에서 산발적으로 나타나는 무작위로 보이는 패턴에 비해 실제 패턴이 약하기 때문이라고 합니다. 마치 진짜 금을 찾지 못하게 하는 '바보의 금'인 황철석처럼 말입니다.
3. MO 스레드에서 MO!=최적화라는 생각이 있었고 논리적인 결론에 도달해야 한다고 생각했습니다.
1. 모든 매개변수 변형의 결과, 즉 완전한 열거형을 얻을 수 있다고 가정해 보겠습니다. 그러한 집합이 향후에도 작동한다면 얻은 전체 집합에서 변형을 모호하지 않게 선택할 수있는 방법이 있습니까? 그런 방법이 있다면 FF를 글로벌 최대값이 되도록 표현하고 최적화 중에 즉시 검색할 수 있는 방법이 있습니다. 그런 방법이 없다면 글로벌 최대값이 향후에 작동하지 않는다는 불만이 있습니다.
2. 동의합니다.
3. "MO!=최적화"라고 말하는 것은 "엔진!=연료"라고 말하는 것과 같습니다. 물론 같은 것은 아닙니다. 그러나 연료는 모든 엔진에 필요하며 연료가없는 엔진 자체는 체구 니나 및 비철의 고철만큼 가치가 있으며 그 이상은 없습니다.
같은 게 아니에요.
머릿속에서 모든 것을 혼동하고 있군요.
어쨌든 무차별 대입 없이는 작동하지 않습니다. 문제는 최적화 중에 얻은 글로벌 극한값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 그리고 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패 가능성(예: 메타파라미터의 과적합)만 더 커질 뿐입니다.
직관에 따르면 그 이유는 모든 샘플에서 산발적으로 발생하는 무작위로 보이는 패턴에 비해 실제 패턴의 약점 때문이라고 합니다. 마치 진짜 금을 찾는 데 방해가 되는 '바보의 금'인 황철석처럼 말입니다.
MO 스레드에서 MO!=최적화라는 생각이 있었고, 논리적인 결론에 도달해야 한다는 생각이 들었습니다.
MO 스레드에서 ' MO!=최적화 '라는 논리적 결론에 도달해야 한다는 의견이 있었습니다.
그리고 차이점은 무엇일까요?
어차피 무차별 대입을 하지 않고는 할 수 없습니다. 문제는 최적화 중에 얻은 글로벌 극값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 또한 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패할 가능성(예: 메타파라미터의 과적합)만 추가될 뿐입니다.
직관에 따르면 그 이유는 모든 샘플에서 산발적으로 발생하는 무작위로 보이는 패턴에 비해 실제 패턴이 약하기 때문이라고 합니다. 진짜 금을 찾지 못하게 하는 '바보의 금'인 황철석과 같은 것입니다.
MO 스레드에서 MO!=최적화라는 생각이 있었고, 논리적인 결론에 도달해야 한다는 생각이 들었습니다.
GOLD.
저는 기본적으로 제가 누구를 오해하고 있는지는 신경 쓰지 않습니다.
하지만 한 가지 놓친 사실이 있습니다.
당신의 광적인 사고방식을 바꾸지 않으면 아무것도 신경 쓰지 않을 겁니다.
글쎄요, 마침내 우리는 최적화가 영혼을 진정시키는 데만 좋다는 의견을 확인했습니다.
오래 전에 깨달았어야 할 사실이며, 이것이 첫 번째입니다.
두 번째. 모든 거래는 견적자의 주도하에 이익과 손실을 모두 가져올 수 있습니다. 즉, 가격은 와이어의 다른 쪽 끝에있는 견적자의 마우스 움직임에 따라 견적자가 원하는 곳으로 이동합니다.
3е. 중기적으로 가격은 군중을 상대로, 단기적으로는 위험을 감수하는 사람의 돈이 견적자의 주머니에 쉽게 떨어질 경우 최대 위험에 반대합니다.
---
요약하자면, 저는 그것이 입증되었다고 생각합니다:
- MO는 어떤 식 으로든 조일 수 없으며 거래 신호를 개발하기 위해 과거 데이터를 분석하고 처리하는 것만 큼 쓸모가 없습니다.
- 스톱의 존재는 전략의 자발적인 유출, 약점 및 결핍입니다.
1. 문제는 최적화 중에 얻은 글로벌 극값이 반드시 실제 규칙성과 일치하는 것이 아니라 일부 과적합에 해당한다는 것입니다. 또한 메타파라미터와 교차 검증을 통해 더 복잡한 최적화 체계를 적용하더라도 실패할 가능성(예: 메타파라미터의 과적합)이 더 커질 뿐입니다.
2. 직관에 따르면 그 이유는 샘플에서 산발적으로 나타나는 무작위로 보이는 패턴에 비해 실제 패턴이 약하기 때문이라고 합니다. 마치 진짜 금을 찾지 못하게 하는 '바보의 금'인 황철석처럼 말입니다.
3. MO 스레드에서 MO!=최적화라는 생각이 있었고 논리적인 결론에 도달해야 한다고 생각했습니다.
1. 모든 매개변수 변형의 결과, 즉 완전한 열거형을 얻을 수 있다고 가정해 보겠습니다. 그러한 집합이 향후에도 작동한다면 얻은 전체 집합에서 변형을 모호하지 않게 선택할 수있는 방법이 있습니까? 그런 방법이 있다면 FF를 글로벌 최대값이 되도록 표현하고 최적화 중에 즉시 검색할 수 있는 방법이 있습니다. 그런 방법이 없다면 글로벌 최대값이 향후에 작동하지 않는다는 불만이 있습니다.
2. 동의합니다.
3. "MO!=최적화"라고 말하는 것은 "엔진!=연료"라고 말하는 것과 같습니다. 물론 같은 것은 아닙니다. 그러나 연료는 모든 엔진에 필요하며 연료가없는 엔진 자체는 체구 니나 및 비철의 고철만큼 가치가 있으며 그 이상은 없습니다.
루도마니적인 사고방식을 바꾸지 않는다면 항상 제자리걸음만 할 것입니다.
질문에 대답할 수 없다면 그냥 그렇게 말하세요. "그래서, 저는 못해요, 못해요, 하지만 전 다탄입니다..."라고 캡션을 달 필요는 없습니다.
아니면 닥쳐도 됩니다.
질문에 대답할 수 없는 경우, "이렇게 저렇게, 못해요, 못해요, 하지만 전 다탄입니다"라고 말할 필요 없이 그냥 그렇게 말하세요.
또는 닥치라고 말하는 것도 합리적입니다.
첫 번째 스레드에서 내가 부탁한 대로 했더라면 당신은 성배를 보았을 것입니다.
무슨 스레드요?
링크나 제목을 알려주세요.
읽어볼게요.