Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 3309
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich brauche keine Antwort auf Ihre Frage. Wenn ich die Antwort finde, wohin gehe ich dann mit ihr? Was ist der praktische Wert der Antwort auf Ihre Frage?
Wo in der EA werde ich die Antwort auf Ihre Frage einfügen? Wo im IO werde ich die Antwort auf Ihre Frage einfügen?
Warum soll ich hundertmal eine Frage stellen, auf die ich keine Antwort brauche?
Hier ist die Antwort auf Ihre Frage (oder vielmehr auf meine ursprüngliche Frage an Sie):
Ändern Sie das Vorzeichen der roten gestrichelten Linie, die außerhalb des Bereichs liegt. Das, was im gewünschten Intervall verbleibt, hat die maximale Punktzahl dessen, was Sie suchen, so dass sich die Optimierung darauf reduziert, das MAXIMUM zu finden. was Sie suchen, hat die maximal mögliche Punktzahl.
Dies ist ein einfacher Weg, um die von Ihnen verwendete Punktzahl in eine Punktzahl umzuwandeln, deren Maximalwert auf einem Plateau liegt. Aber das ist nicht der richtige Weg, der richtige Weg ist, eine Punktzahl zu verwenden, die anfangs ein Maximum an der gesuchten Stelle hat.
Das gilt für alles, für das Training neuronaler Netze, für die Funktionsoptimierung, für die Strategieoptimierung, für alles.
Daher ist die Aussage "man muss nicht nach einem Maximum suchen, sondern nach einem stabilen Plateau" von vornherein falsch und weist auf die falsche Verwendung von Schätzungen hin.
Andrew verwechselt das NS-Training mit der Optimierung seiner Parameter, nehme ich an.
beides ist eine Art Optimierung, was etwas verwirrend ist, wenn ein Kätzchen mit einer Menge Futter überschüttet wurde. Es scheint überall eine Optimierung des Futters zu geben und es ist nicht klar, was es essen soll
Die Aussage "Sie brauchen nicht nach einem Maximum zu suchen, sondern nach einem stetigen Plateau" ist also von Natur aus falsch und spricht von der fehlerhaften Verwendung von Schätzungen.
Im Gegensatz zu Ihrer Behauptung haben Sie gezeigt, dass ein Plateau gefunden wurde, indem Sie die Schätzung demonstrierten.
Wo kann ich das in der Praxis anwenden?
Wir diskutieren über Overfitting, das in der Regel auf Optimierung beruht. im Tester ist das klar.
In MO wird die Überanpassung aufgedeckt, indem das Modell auf verschiedene Dateien angewendet wird. Die Variation der Modellleistung ist eine Überanpassung: Es werden keine Kriterien benötigt. Es gibt auch ein Paket, das durch Overfitting aufgedeckt wird.
Kommen Sie vom Himmel herunter, pardon, von Ihren Extremen auf den Boden, wo die Dinge anders sind.
Im Gegensatz zu Ihrer Behauptung haben Sie durch die Demonstration von Wertschätzung ein Plateau gefunden.
Wo kann ich das in der Praxis anwenden?
Wir diskutieren über eine Überanpassung, die in der Regel auf einer Optimierung beruht. im Tester ist alles klar.
In MO wird die Überanpassung aufgedeckt, indem das Modell auf verschiedene Dateien angewendet wird. Die Variation der Modellleistung ist eine Überanpassung: Es werden keine Kriterien benötigt. Es gibt auch ein Paket, das Overfitting aufdeckt.
Kommen Sie von Ihren Extremen auf den Boden der Tatsachen zurück, wo die Dinge anders sind.
Schließlich impliziert die Formulierung"wir haben uns etwas einfallen lassen" auch eine Art Denkprozess (Iterationen).
Woher weiß das endgültige Modell, ob es sich um Iterationen des Gehirns oder des Computers handelt und ob es einen Unterschied zwischen den beiden gibt?
Die Frage kam auf, nachdem ich den Artikel von Prado gelesen hatte
Beim P-Hacking geht es darum, Daten nach Ihren Wünschen zu dehnen. Man nimmt eine beliebige FF und fügt der Eingabe so viele Daten hinzu, dass sie maximiert wird. Wenn die Maximierung schlecht ausfällt, fügt man mehr Daten hinzu oder wählt einen genaueren Optimierungsalgorithmus. Das heißt, jede FF kann auf diese Weise maximiert werden. Dies ist der häufigste Fall bei der TC-Optimierung. In diesem Fall: mehr Daten - mehr Übertraining. Keine Optionen. Globale Minima-Maxima sagen überhaupt nichts aus. Die logische Lösung ist, die FF zu maximieren und gleichzeitig die Anzahl der Merkmale zu minimieren, wie ich oben schrieb. Sozusagen das geringste Übel. Baes - Variantenkompromiss, in wissenschaftlichen Worten.
Ein Fass Honig mit einem Löffel Teer, damit der Honig weggeschmissen werden kann. Wie Stirlitz sagte, ist es der letzte Satz, der im Gedächtnis bleibt.
Ein Fass Honig mit einem Löffel Teer, damit der Honig weggeschüttet werden kann. Wie Stirlitz sagte, ist es der letzte Satz, der zählt.
Der Optimierungsprozess ist eine Suche nach unbekannten Parametern.