Suche nach einer Reihe von Indikatoren, die in die Eingänge des neuronalen Netzes eingespeist werden. Diskussion. Ein Instrument zur Bewertung der Ergebnisse. - Seite 6
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
joo писал(а) >>
rip und IlyaA scheinen nicht zu verstehen, dass iliarr eine Lehrmethode ohne Lehrer anwendet. Von welcher Art von Lernfehler kann man sprechen, wenn die Zielfunktion der Gewinn ist? Oder denken Sie beide, dass Sie das Netz, nachdem Sie es für die Vergangenheit trainiert haben, auf eine Testgeschichte anwenden und den erzielten Gewinn vergleichen werden? Der Gewinn wird anders sein, weniger oder mehr, aber anders. Der Testverlauf ist anders. Nicht zu verwechseln mit der Annäherung, bei der das Kriterium für die Qualität der Annäherung die Standardabweichung der ursprünglichen Funktion und der erhaltenen Funktion ist.
Was hat MSE damit zu tun?! Die Einschätzung der Korrektheit des Netzes ist nach der Idee des Autors die Gewinnfunktion. D.h. es werden Long-Short-Positionen eröffnet und der trade.Profit wird relativ zu ihnen oder mit ihnen berechnet - dies ist im Code ersichtlich. Also, die Frage ist einfach, wie sich ein Individuum in einer Probe verhält, die als die beste in einer bestimmten Generation gilt. Warum ich das für wichtig halte: Der Gewinn wird relativ zur Ausbildungsstichprobe gezählt. Und wer weiß, ob es sich bei Proben, die dem Netz nicht vorgelegt wurden, nicht genauso verhält.
Unabhängig davon, mit welcher Methode das Netz trainiert wird, ob mit oder ohne Lehrer, lässt sich anhand einer Testprobe mit bekanntem Ergebnis der Grad der Übertrainierung abschätzen.
Oder aber wir gehen zurück zum "Schamanismus" - dem Netz wurde etwas gegeben, etwas wurde empfangen, und nun interpretieren wir das Ergebnis.
Der f-from-Gewinn kann nicht als Schätzung der Korrektheit der Arbeit eines Netzes verwendet werden. Der Profit-Faktor beschreibt ein Netzwerk nur unter dem Gesichtspunkt der Fähigkeit eines Expert Advisors, den höchstmöglichen Gewinn zu erzielen. Mehr kann man über die Korrektheit eines Netzes nicht sagen. Stellen Sie sich vor, dass Sie über einen bestimmten Zeitraum hinweg den gleichen Gewinn auf viele verschiedene Arten erzielen können. Jedem Händler geht es in erster Linie darum, in welche Richtung. So können z. B. die maximale relative Absenkung oder andere Bewertungskriterien des TS zur Bewertung der Netzleistung herangezogen werden. D.h. der Autor muss den f-from-Gewinn auf der Trainingsstichprobe maximieren, ihn auf einer Teststichprobe testen und ihn mit den oben beschriebenen Parametern schätzen. Oder Sie optimieren z.B. einen Standard Makdi Expert Advisor, wählen Sie dann auch die Variante mit dem maximalen Gewinn?
Unabhängig von der Methode, mit der das Netz trainiert wird, ob mit oder ohne Lehrer, lässt sich anhand eines Testmusters mit bekanntem Ergebnis der Grad des Übertrainings beurteilen.
Oder aber wir kommen zurück zum "Schamanismus" - wir haben dem Netz etwas gegeben, wir haben etwas bekommen, und jetzt wollen wir das Ergebnis interpretieren.
Wie erhalten Sie ein bekanntes Ergebnis für eine Stichprobe, wenn die Gewinnfunktion verwendet wird?
Lieber joo, ich bitte dich, nicht über das Verhalten oder die Gedanken anderer Menschen zu sprechen, vor allem, wenn die Person dir nicht bekannt ist....
Ich entschuldige mich, wenn es so aussah, als würde ich das Verhalten oder die Gedanken anderer Leute diskutieren, ich wollte nicht persönlich werden. Nochmals: Es tut mir leid, wenn ich das getan habe.
Ich bitte Sie auch, diese Frage zu beantworten. Glauben Sie, dass sich ein Netz an die Daten anpasst, wenn es mit Genetik trainiert wird? Anpassen und nicht verallgemeinern?
Die Fähigkeit eines neuronalen Netzes, sich an alles anzupassen, hängt nicht von der Genetik ab. Die Genetik ist nur eine der Methoden der Optimierung. Der Schlüssel liegt in den vorgelegten Daten, in der Topologie des Netzes und in den Methoden zur Schätzung des Ergebnisses.
Die Fähigkeit eines neuronalen Netzes, sich an alles anzupassen, hängt nicht von der Genetik ab. Die Genetik ist nur eine der Methoden der Optimierung. Der Schlüssel liegt in den präsentierten Daten, in der Topologie des Netzes und in den Methoden zur Schätzung der Ergebnisse.
Nun, ich bin froh, dass es so freundlich ist. Wenn es keine Lernfehlerkurve gibt, gibt es logischerweise auch eine Lerneffizienzkurve. In diesem Fall muss sich die Öffentlichkeit damit befassen. Einverstanden.Die Logik lautet also: Wenn es keine Lernfehlerkurve gibt, dann gibt es eine Lerneffizienzkurve. In diesem Fall muss sich die Öffentlichkeit damit befassen. >> Einverstanden.
Meine Logik sieht folgendermaßen aus:
In Analogie zur Tierwelt. In einem Wald leben ein Reh und ein Wolf. Beide wiegen 80 kg. Ein Reh knabbert 24 Stunden am Tag an Gras, während ein Wolf einen halben Elch frisst und zwei Wochen lang nichts zu sich nimmt. Ihre durchschnittliche Kalorienzufuhr ist die gleiche. Aber die Art und Weise, wie sie ihre Nahrung bekommen, ist anders.
Das gilt auch für TC. Wir müssen uns entscheiden, wie der Gewinn erzielt werden soll, und dementsprechend die Kriterien für die Bewertung von TZ und - im Zusammenhang mit dieser Branche - NN wählen.
Meine Logik sieht folgendermaßen aus:
In Analogie zur Tierwelt. Im Wald leben ein Reh und ein Wolf. Sie wiegen beide 80 kg. Ein Reh knabbert rund um die Uhr an Gras, während ein Wolf die Hälfte eines Elchs frisst und zwei Wochen lang nichts zu sich nimmt. Ihre durchschnittliche Kalorienzufuhr ist die gleiche. Aber die Art und Weise, wie sie ihre Nahrung bekommen, ist anders.
Das gilt auch für TC. Wir müssen uns entscheiden, wie wir den Gewinn erzielen wollen, und dementsprechend die Kriterien für die Bewertung von TZ und - im Zusammenhang mit dieser Branche - NN wählen.
Sie beurteilen die Leistung des Netzes aus der Sicht der TK. Ich betrachte das Netz selbst, ohne Bezug auf das TC. Das Netz ist nur ein Mechanismus für die Analyse von Daten und nichts weiter.
Aber wenn ich Ihr Gleichnis verwende, möchte ich ein Diagramm sehen, wie ein Reh und ein Wolf getrennt voneinander an Gewicht zunehmen (dieses Training) in einem Zoo, und auch ein Diagramm, wie ein Reh und ein Wolf an Gewicht zunehmen, wenn wir sagen, dass sie in die Natur entlassen werden (Test), nun, in einem Nationalpark, wo sie von Rangern beobachtet werden. Auf dieser Grundlage ließe sich eine Hypothese darüber aufstellen, wie sie sich in der Natur verhalten werden %)
Sie beurteilen die Leistung des Netzes aus der Sicht der TK. Ich betrachte das Netz selbst, ohne Bezug auf das TC. Das Netz ist nur ein Mechanismus der Datenanalyse und nicht mehr.
Aber in Anwendung Ihrer Allegorie würde ich gerne ein Diagramm sehen, das zeigt, wie die Rehe und Wölfe in einem Zoo getrennt voneinander an Gewicht zunehmen (das ist ein Training), und auch ein Diagramm, das zeigt, wie dieselben Rehe und Wölfe an Gewicht zunehmen, wenn wir sagen, sie werden in die Natur entlassen (Test), nun, in einem Nationalpark, wo sie von Wildhütern beobachtet werden. Auf dieser Grundlage wird es möglich sein, eine Hypothese darüber aufzustellen, wie sie sich in der Natur verhalten werden %)
ist nicht viel falsch. Wir müssen irgendwie abschätzen, dass wir, wenn wir ein Rehkitz aufziehen, am Ende einen stattlichen Hirsch haben und keinen Wolf. Das heißt, nicht die Geschwindigkeit und das Volumen der Nahrungsaufnahme zu bewerten, sondern die Zugehörigkeit zu der gewünschten Art. Vielleicht, um eine Klassifizierung vorzunehmen, im Wesentlichen, um die "Ähnlichkeit" der Verbrauchskurve mit der Referenzkurve zu bestimmen. Und das ist eine eigene, schwierige Aufgabe.
rip 10.11.2009 23:18
Unabhängig von der Methode, die zum Trainieren des Netzes verwendet wird, ob mit oder ohne Lehrer, lässt sich anhand eines Testmusters mit bekanntem Ergebnis der Grad des Übertrainings beurteilen.
Andernfalls kehren wir zum "Schamanismus" zurück: Wir haben dem Netz etwas gegeben, wir haben etwas erhalten, und nun wollen wir das Ergebnis interpretieren.
Eine völlig legitime Feststellung. Dazu lade ich ein trainiertes Neuronetz in einen MT4 Trading Expert Advisor, um im MT4 Strategietester zu überprüfen, was ich bekomme.
Das Zitat stammt aus dem allerersten Beitrag zu diesem Thema:
iliarr 09.11.2009 13:13
Ich exportiere das trainierte Netzwerk in den MQL4 Expert Advisor und prüfe seine Funktionalität im Strategietester von MT4. Ich werde Eingaben für ein neuronales Netzwerk in einem MT4-Indikator bilden und sie in eine Datei exportieren.
Und bereit, diese Uploads hier zu veröffentlichen, um die Qualität der ins Netz eingespeisten Daten zu bewerten. Ich schlage vor, den M5-Bereich vom 1.08.2009 bis zum 1.10.2009 zu wählen und ähnliche neuronale Netze auf die gleiche Weise zu trainieren. Diese Methode erhebt nicht den Anspruch, absolut genau zu sein, aber ich denke, dass sie zum Vergleich ausreicht.
Sie beurteilen die Leistung des Netzes aus der Sicht der TK. Ich betrachte das Netz selbst, ohne Bezug auf das TC. Das Netz ist nur ein Mechanismus der Datenanalyse und nicht mehr.
Aber in Anwendung Ihrer Allegorie würde ich gerne ein Diagramm sehen, das zeigt, wie die Rehe und Wölfe in einem Zoo getrennt voneinander an Gewicht zunehmen (das ist ein Training), und auch ein Diagramm, das zeigt, wie dieselben Rehe und Wölfe an Gewicht zunehmen, wenn wir sagen, sie werden in die Natur entlassen (Test), nun, in einem Nationalpark, wo sie von Wildhütern beobachtet werden. Auf dieser Grundlage wird es möglich sein, eine Hypothese darüber aufzustellen, wie sie sich in der Natur verhalten werden %)
Während des Trainings wird ein Protokoll wie folgt geführt:
Wenn die Zielfunktion größer ist als die aktuelle, wird das neuronale Netz in eine Datei entladen und die nächste Zeile des Protokolls geschrieben. Ich glaube nicht, dass dies die Antwort auf Ihre Frage ist, aber ich sehe keinen Sinn darin, andere Statistiken zu führen.