L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3383
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je pense qu'il confond FF et surface d'optimisation.
Il y a une certaine sournoiserie là-dedans. Les liens ne servent qu'à s'assurer qu'ils s'ouvrent. Aucune personne "intéressée" ne les consultera. Personne ne lira les articles mâchés d'Andrei, sans parler des travaux de nature académique.
Quelqu'un a-t-il vu ce TOP facile à comprendre qui permet de calculer le classement de son propre algorithme d'optimisation ?
https://habr.com/ru/users/belyalova/publications/articles/
Il s'agit de méthodes d'optimisation basées sur le gradient pour les neurones,
et nous parlons de méthodes d'optimisation globalesans gradient,
Allez, Saber.
C'est l'ABC.
Ce dont, d'ailleurs, votre expert local en optimisations n'a rien dit dans ses articles (parce qu'il est lui-même un chêne arborescent en AO).
Lisez ceci, en particulier la section "Loss function != quality metric". Je peux difficilement écrire plus clairement.
Impossible de l'ouvrir, nous sommes un peu bloqués(
Cela conduit à un nombre potentiellement illimité de paramètres, puisque les espaces de fonctions sont infiniment dimensionnés. En pratique, il est nécessaire de contrôler le nombre de paramètres d'une manière ou d'une autre - pour les arbres, il s'agit de l'élagage des feuilles, par exemple.
Par exemple, les forêts AMO, les boosts consistent en des primitives, des règles.
Nous pouvons créer une grammaire Beckus Naur des règles dont nous avons besoin.
comme ceci.
Derrière chaque règle, il y a un code/chaîne/génotype.
A gauche se trouve le génotype, à droite se trouve la règle générée, ce génotype peut être recherché avec l'aide d'AO.
La somme des règles est le même coup de pouce ou la forêt...
C'est en quelque sorte une évidence.
Voici le code qui implémente tout cela
Documentation du paquet
Je ne vois donc pas d'obstacle à la mise en œuvre de mon AMO purement axée sur l'optimisation et la grammaire.
Et nous avons les mains libres sur tous les fronts, toutes les fonctions, les transformations, toutes les données, en général, tout peut être implémenté.
Le même Forrest, aucune différence.
Impossible de l'ouvrir, nous sommes un peu bloqués(
Nous sommes souvent bloqués, mais nous nous adaptons d'une manière ou d'une autre.
Eh bien, par exemple, les forêts AMO, les boosts sont constitués de primitives, de règles.
Je n'ai pas prétendu que l'absence d'un ensemble fixe de paramètres rendait l'apprentissage (l'optimisation) impossible. Je parlais seulement de différences significatives par rapport à l'optimisation conventionnelle avec un ensemble fixe de paramètres. Si vous ne me croyez pas, vous pouvez essayer d'implémenter des arbres ou des grammaires dans MT5 (où l'optimiseur travaille pour un ensemble fixe). Ce n'est pas que ce soit absolument impossible, mais c'est extrêmement gênant.
Je n'ai pas prétendu que l'absence d'un ensemble fixe de paramètres rendait l'apprentissage (l'optimisation) impossible. Je parlais seulement de différences significatives par rapport à l'optimisation conventionnelle avec un ensemble fixe de paramètres. Si vous ne me croyez pas, vous pouvez essayer d'implémenter des arbres ou des grammaires dans MT5 (où l'optimiseur travaille pour un ensemble fixe). Ce n'est pas que ce soit absolument impossible, mais c'est extrêmement gênant.
Le langage MQL5 vous permet de compenser l'absence de toute caractéristique standard du testeur et de l'optimiseur. Lorsqu'un ensemble dynamique de paramètres est nécessaire, vous pouvez écrire un optimiseur externe pour le modèle en MQL5.
Le langage MQL5 vous permet de compenser l'absence de caractéristiques standard du testeur et de l'optimiseur. Lorsqu'un ensemble dynamique de paramètres est nécessaire, vous pouvez écrire un optimiseur externe pour le modèle en MQL5.
Un étudiant pose des questions à une intelligence artificielle.
Question: Quel est votre nom ?
Réponse : Vasya. Va au diable.
Question : Qu'est-ce que l'enfer ?
Réponse : C'est la réponse à votre deuxième question, Vasya.
P.Z.
La question choque le système neuronal.
Il est obligatoire d'écrire le gradient bousting en mql5 pour devenir le créateur de la bicyclette la plus merdique.