Des conseils pratiques, s'il vous plaît. - page 2
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
Alexandr Andreev:
.........
le total soustrait de l'unité, c'est-à-dire que plus le total est proche de 0, meilleurs sont les résultats..... en d'autres termes, jusqu'à présent, il n'y a pas beaucoup de résultats car 0,75 est votre 75, bien que cela dépende de ce avec quoi on le compare..... le pire score serait 1 (100%) le meilleur score 0
Vous devez comprendre qu'un score de 90 est dix fois meilleur qu'un score de 99..... un score de 99 est dix fois meilleur qu'un score de 99,9... 100 n'est en fait possible que si tous les modules ont un score d'erreur de 100... C'est-à-dire qu'une note de 0,1 est dix fois pire qu'une note de 0,01. Dans le même temps, une note de 10 est dix fois pire qu'une note de 1.
.........
Je ne comprends pas du tout la logique de ..... Si le module a produit une erreur sur les données non apprises de 4,43%, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Il est probablement préférable d'obtenir la somme des carrés pour les erreurs de module, et d'extraire la racine.
De cette façon, nous obtenons une estimation globale des erreurs de module.
Plus la valeur est proche de zéro, mieux c'est.
Donc ça se passe comme ça.
L'estimation montre que Mod5 a la plus petite erreur.
Merci, mais ce n'est pas ça. J'ai introduit un critère pour moi-même : tout module présentant un pourcentage d'erreur supérieur à 30 est tout simplement écarté.
Et la tâche n'est pas de trouver quel module a le moins d'erreurs, mais avec quels paramètres tous les modules donneront un résultat plus "équilibré".
Dans le premier message, j'ai donné un tableau avec les résultats obtenus en modifiant un seul paramètre, le dernier. Et si j'exécute le script en modifiant d'autres paramètres, le tableau sera beaucoup plus grand. Vous ne pouvez pas examiner toutes les valeurs, et l'erreur moyenne, je pense, ne dit pas grand-chose...
Forum sur le trading, les systèmes de trading automatisé et les tests de stratégies de trading
Je demande des conseils pratiques.
Sergey Tabolin, 2020.06.06 17:18
Ma question est la suivante : comment évaluer correctement les résultats ?
L'erreur de chaque module est donnée en pourcentages. 0% est un résultat idéal.
Je veux que l'erreur de chaque module soit minimale, mais aussi que la dispersion soit minimale.
Forum sur le trading, les systèmes de trading automatisés et les tests de stratégies de trading
Je cherche des conseils pratiques.
Sergey Tabolin, 2020.06.07 08:00
Je ne comprends pas du tout la logique de ..... Si l'erreur du module est de 4,43% sur les données non apprises, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Merci, mais ce n'est pas ça. J'ai défini un critère pour moi-même : les modules dont le pourcentage d'erreur est supérieur à 30 sont tout simplement exclus du travail.
Et la tâche n'est pas de trouver quel module a le moins d'erreurs, et avec quels paramètres tous les modules donneront un résultat plus "égal".
Dans le premier message, j'ai donné un tableau avec les résultats obtenus en modifiant un seul paramètre, le dernier. Et si j'exécute le script en modifiant d'autres paramètres, le tableau sera beaucoup plus grand. Vous ne pouvez pas examiner toutes les valeurs, et l'erreur moyenne, je pense, ne dit pas grand-chose...
L'estimation de minimisation des erreurs est utilisée pour déterminer le modèle approprié.
Et quels paramètres utiliser pour le modèle, comment connaître votre algorithme et ses paramètres, et a fortiori la manière de les trouver ?
La façon de les trouver doit être cohérente avec le modèle que vous avez construit.
Trouvez le maximum, calculez la moyenne et, en fonction de la moyenne, ajustez le maximum. Et ensuite choisir par le minimum maximum. Vous devez trouver une formule pour corriger le maximum, et il doit y avoir un coefficient. Et la valeur du coefficient doit être relevée mentalement.
Purement et simplement, multipliez le maximum par la moyenne et multipliez par le coefficient. En changeant le coefficient, on voit quelle variante devient la meilleure - c'est ainsi que l'on prend le coefficient.
L'évaluation de la minimisation des erreurs est utilisée pour déterminer le modèle approprié.
Et quels paramètres utiliser pour le modèle, comment connaître votre algorithme et ses paramètres, et a fortiori la manière de les trouver ?
La façon de les trouver doit être cohérente avec le modèle que vous avez construit.
Je m'excuse si je ne me suis pas exprimé correctement. ))))
Je voulais dire par "résultats" trois lignes du tableau, trois résultats. Le résultat est le pourcentage de mauvaises réponses pour l'ensemble des 15 modules.
Une autre option. Hors sujet, mais aussi un moyen. Ne regardez pas les pourcentages, mais comme un classement. Chaque colonne est un nombre entier de 1 à 3 (ou 1, 1, 2, etc.). Calculez ensuite la note moyenne.
Une autre option. Faites une sélection en deux étapes. Choisissez-en plusieurs avec la meilleure moyenne, et parmi elles, choisissez celle avec le meilleur maximum. Ou vice versa, sélectionnez-en quelques-uns avec le meilleur maximum, et parmi eux, sélectionnez-en un avec la meilleure moyenne.
Je m'excuse si je ne me suis pas exprimé correctement. ))))
Je voulais dire par "résultats" trois lignes du tableau, trois résultats. Le résultat est le pourcentage de mauvaises réponses pour l'ensemble des 15 modules.
Donc ce n'est pas par modules, mais par couches ?
Changez la forme de la matrice ModN[3][15]
;))
Je ne comprends pas du tout la logique de ..... Si l'erreur du module est de 4,43% sur les données brutes, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Merci, mais ce n'est pas ça. J'ai défini un critère pour moi-même : les modules dont le pourcentage d'erreur est supérieur à 30 sont tout simplement exclus du travail.
Et la tâche n'est pas de trouver quel module a le moins d'erreurs, et avec quels paramètres tous les modules donneront un résultat plus "égal".
Dans le premier message, j'ai donné un tableau avec les résultats obtenus en modifiant un seul paramètre, le dernier. Et si j'exécute le script en modifiant d'autres paramètres, le tableau sera beaucoup plus grand. Vous ne pouvez pas regarder toutes les valeurs, et l'erreur moyenne ne semble pas vous dire grand chose...
Je ne comprends pas du tout la logique de ..... Si le module a produit une erreur de 4,43% sur les données brutes, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Merci, mais ce n'est pas ça. J'ai défini un critère pour moi-même : les modules dont le pourcentage d'erreur est supérieur à 30 sont tout simplement exclus du travail.
Et la tâche n'est pas de trouver quel module a le moins d'erreurs, et avec quels paramètres tous les modules donneront un résultat plus "égal".
Dans le premier message, j'ai donné un tableau avec les résultats obtenus en modifiant un seul paramètre, le dernier. Et si j'exécute le script en modifiant d'autres paramètres, le tableau sera beaucoup plus grand. Vous ne pouvez pas examiner toutes les valeurs, et l'erreur moyenne, je pense, ne dit pas grand-chose...
.............
Il ne s'agit pas de ne pas faire d'erreur.
Par exemple, nous avons deux réponses d'erreur de 0,2 et 0,0000001. 0.00000002 (des problèmes particuliers se produiront si l'une des estimations est juste 0) - ce qui est assez peu pratique pour estimer visuellement le nombre de ces zéros. Il est donc plus facile de réfléchir en faisant le meilleur score 1.... on obtient juste 1-0.2 + 1 -0.00000001 . 0.8 et 0.99999999 ... il est clair qu'en multipliant ces valeurs, on obtient 0,8 de qualité totale...... si les deux scores étaient de 0,8 alors la réponse serait 0,64.... Cette option est la plus simple.
C'est plus facile de faire et de voir le total
Je ne comprends pas du tout la logique de ..... Si l'erreur du module est de 4,43% sur les données brutes, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Merci, mais ce n'est pas ça. J'ai défini un critère pour moi-même : les modules dont le pourcentage d'erreur est supérieur à 30 sont tout simplement exclus du travail.
Et la tâche n'est pas de trouver quel module a le moins d'erreurs, et avec quels paramètres tous les modules donneront un résultat plus "égal".
Dans le premier message, j'ai donné un tableau avec les résultats obtenus en modifiant un seul paramètre, le dernier. Et si j'exécute le script en modifiant d'autres paramètres, le tableau sera beaucoup plus grand. Vous ne pouvez pas examiner toutes les valeurs, et l'erreur moyenne, je pense, ne dit pas grand-chose...
Je vous suis depuis longtemps. Personnalité intéressante. Je vous respecte.
Dans tout contexte, les données historiques ne peuvent être utilisées qu'en conjonction avec la situation actuelle. C'est important. Les données historiques, quelle que soit leur qualité, sont négatives. Qu'est-ce que je veux dire ? Les prix du marché ne sont pas un projectile qui suit une certaine trajectoire.
Je ne comprends pas du tout la logique de ..... Si l'erreur du module est de 4,43% sur les données brutes, alors 100 - 4,43 = 95,57% est le pourcentage de réponses sans erreur. Pourquoi ce pourcentage devrait-il être inférieur à 95,01 % ? Qu'est-ce que je ne comprends pas ?
Là, ces réponses sans erreur étaient multipliées et le total était à nouveau soustrait de 100%... donc il y avait une traduction inverse et c'était à peu près