Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 375
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
1) ¿Entiendo correctamente el significado de dividir el conjunto de datos en entrenamiento, validación y prueba:?
2) Por cierto, ¿cuál es la tasa de error de entrenamiento/validación/prueba a la que hay que aspirar? ¿15/20/20% o quizás 5/10/15%? u otro?
3) No entiendo muy bien por qué se recomienda mezclar los ejemplos de formación. De todos modos, procesaremos cada ejemplo.
Por cierto, ¿cuál es el nivel de error en la formación/validación/prueba al que hay que aspirar? ¿15/20/20% o quizás 5/10/15% u otro?
Anteriormente, sí, algo así.
En cuanto al error, depende de los detalles. Si, por ejemplo, la MO o la NS determinan la entrada en una operación, entonces un error del 50% puede ser suficiente. Por ejemplo, en una operación exitosa se obtiene una media de 2-3p de beneficio, y en una fallida 1p de pérdida. En este caso, 0,5 no es una mala probabilidad.
El anterior, sí, de alguna manera.
En cuanto al error, depende de los detalles. Si, por ejemplo, la MO o la NS determinan la entrada en una operación, entonces un error del 50% puede ser suficiente. Por ejemplo, en una operación exitosa se obtiene una media de 2-3p de beneficio, y en una fallida 1p de pérdida. En este caso, 0,5 no es una mala probabilidad.
Porque quiero aprender hasta un 10%, pero si esta cifra no es realista, estaré perdiendo mi tiempo y mi CPU. Digamos: ¿cuál es el mejor error que ha conseguido y a qué nivel es posible detenerse y no buscar la mejora?
0,5 puede ser demasiado pequeño... ¿Y a qué valores debo aspirar? ¿Cuáles puedo alcanzar realmente en la práctica (no en otras tareas de NS, sino en el comercio)?
Puede que quiera aprender hasta un 10%, pero si esta cifra no es realista, estaré perdiendo mi propio tiempo y el de la CPU. Digamos: ¿cuál es el mejor error que ha conseguido y a qué nivel puede detenerse y no buscar la mejora?
¿0,5 no es suficiente? Tienes que estar bromeando). Ya puse este ejemplo: el jugador de póker tiene 1/9-1/6 de probabilidad de ganar, y los buenos jugadores siempre están en el negro.
Y todos mis sistemas funcionaban con una probabilidad de ~0,5, y siempre estaban en el plus. Por lo que sé, muchos TS trabajan con una probabilidad cercana a 0,5 - se mencionó en la conferencia de autotrading, en particular.
"Por lo demás, quiero entrenar hasta el 10%, pero si es una cifra irreal" - si es real o irreal depende de la tarea específica. Por ejemplo, entrené NS para el cruce de MACs - por lo que es casi 100% confiable)).
¿0,5 no es suficiente? Tienes que estar bromeando). Ya puse este ejemplo: el jugador de póker tiene 1/9-1/6 de probabilidad de ganar, y los buenos jugadores siempre están en el negro.
Y todos mis sistemas funcionaban con una probabilidad de ~0,5, y siempre estaban en el plus. Por lo que sé, muchos TS trabajan con una probabilidad cercana a 0,5 - se mencionó en la conferencia de autotrading, en particular.
"Por lo demás, quiero entrenar hasta el 10%, pero si es una cifra irreal" - si es real o irreal depende de la tarea específica. Por ejemplo, he enseñado a NS a cruzar MAs - por lo que es casi 100% fiable)).
Es cierto, puedes hacerlo sin ninguna predicción (50%), sólo necesitas tomar ganancias más que el stop. En realidad no puedes predecir nada, nadie sabe a dónde irá el precio en Forex, sólo los iniciados, los titiriteros lo saben.
En realidad, es imposible predecir nada, nadie sabe hacia dónde irá el precio en el mercado de divisas, sólo los iniciados, los titiriteros lo saben.
1) ¿Entiendo correctamente el significado de dividir el conjunto de datos en entrenamiento, validación y prueba:?
2) Por cierto, ¿cuál es la tasa de error de entrenamiento/validación/prueba a la que hay que aspirar? ¿15/20/20% o quizás 5/10/15%? u otro?
3) No entiendo muy bien por qué se recomienda mezclar los ejemplos de formación. Vamos a procesar cada ejemplo de todos modos.
1) No todos y esto es fundamental.
Tomamos un gran archivo. Dividirlo en dos partes desiguales.
La parte más grande está dividida como usted ha descrito. Obtenemos los errores que deberían ser aproximadamente iguales.
A continuación, comprobamos el modelo en la segunda parte del archivo. El error en esta parte tampoco debería ser muy diferente.
Esta es la prueba más importante de la ausencia de perobuchismo (sobreajuste).
¿La magnitud del error? Se trata de una especie de constante que se deriva del conjunto de predictores que puede reducirse ajustando el tipo del modelo.
Por ejemplo.
Si los cuatro errores rondan el 35%, entonces al seleccionar un modelo, Dios no lo quiera, se reduce el error al 30%.
PS.
Un error inferior al 10% es un claro signo de sobreentrenamiento. Si tiene un error de este tipo, debe comprobarlo cien veces.
He encontrado una parada temprana con sección de validación en ALGLIB:
A juzgar por el código, no compara el error en las secciones de entrenamiento y validación, sino que busca el error mínimo en la sección de validación. Y se detiene si no encuentra uno mejor después de 30 iteraciones, o si han pasado todas las iteraciones.
Pero no estoy seguro de que este método sea mejor/más preciso que el habitual... A menos que el número de ciclos de entrenamiento se incremente varias veces...
Esto es lo que tenemos:
Se siente como si hubiera un ajuste a la trama de validación. El de prueba es generalmente exitoso, pero no estaba en el entrenamiento y no fue comparado, probablemente sólo una coincidencia.
Esta f cuenta conjuntos, y hay una división de 2/3 y todo se mezcla entre ambas parcelas, voy a tratar de hacer lo mismo...
Lo barajé:
Debido a la mezcla, el error se iguala en las secciones de entrenamiento y validación.
Algo me parece mal, ya que en la negociación real las barras irán en su propio orden, y no mezcladas con las de hace una hora y un día.
Y si la "naturaleza" del mercado cambia, significa que tenemos que reaprender o buscar nuevos modelos de NS.
Es realmente posible. 0,5 con predicción y take profit más que stop no es lo mismo que 50/50, si Dios quiere)) - es decir, sin previsión. Estamos lanzando una moneda completamente diferente)).
1) No todos y es fundamental.
Tomamos un gran archivo. Dividirlo en dos partes desiguales.
Dividir la parte más grande de la forma que has descrito. Obtenemos los errores, que deberían ser más o menos iguales.
Después se comprueba el modelo en la segunda parte del archivo. El error en esta parte tampoco debería ser muy diferente.
Esta es la prueba más importante de la ausencia de "feathering" (sobreajuste).
¿Cuántos ciclos de formación/validación hay que hacer? No he visto ninguna información al respecto en ningún sitio... ¿1 ciclo en total? - ¿y justo después aprobamos o cambiamos algo en el conjunto de predictores o en el esquema de la red? Más concretamente para N ciclos de entrenamiento se nos mostrará uno mejor.