L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 2454

 
mytarmailS #:

È solo per 5, è un nuovo pacchetto, il nome stesso è mt5R

Sì, ho capito, stavo solo cercando l'ottimizzazione multi-obiettivo.

La mia semplice funzione di fitness cerca solo l'indice del vettore di un punto che è un minimo dal punto di vista dell'algoritmo.

Quindi idealmente l'algoritmo genererà due indici, questi due indici saranno gli indici dei valori minimi nel vettore.

Ho pensato che non c'è differenza nel cercare due minimi in un vettore o un minimo in due vettori

Il mio semplice fitness non è un modello del mio problema, volevo solo fare il confronto più semplice e ovvio del lavoro dell'algoritmo per me

Cosa fa la tua funzione di fitness? Conosco tutto il codice, ma non ho ancora capito il succo del discorso)

Questo è il tuo esempio e la tua funzione di fitness. Ci sono molti altri metodi per trovare gli estremi nei vettori. Formulate il vostro compito in modo chiaro. Allora una soluzione verrà da voi.

Ho appena mostrato che il vostro compito non può essere risolto con questi pacchetti.

Buona fortuna

 
Vladimir Perervenko #:

Questo è il tuo esempio e la tua funzione di fitness. Ci sono molti altri metodi per trovare gli estremi nei vettori. Formulate il vostro problema in modo chiaro. Poi arriverà la soluzione.

Ho appena mostrato che il vostro compito non può essere risolto con questi pacchetti.

Buona fortuna a .

Ilcompito è quello di confrontare due tipi di ottimizzazione multicriterio, rapidamente, semplicemente e chiaramente...

Naturalmente, potete trovare l'estremo con altri mezzi, per esempio chiamando la funzione min() per un vettore.

Ho pensato che trovare l'estremo di una funzione (per trovare un minimo in un vettore) è proprio la cosa, ad essere onesti, penso ancora che ci siamo persi da qualche parte...

============

Qui, puoi trovare il minimo senza problemi con la genetica ordinaria.

set.seed(123)
x <- cumsum(rnorm(100))

fit <- function(i)  x[ floor(i) ] /-1  # (/-1) потому что GA максимизирует
library(GA)
GA <- ga(type = "real-valued", 
         fitness =  fit,
         lower = 1, upper = length(x) , 
         popSize = 50, maxiter = 100)
id <- c(floor(tail(GA@solution,1)))

plot(x,t="l")
points(id,x[id],col=2,lwd=5)


==============================

Ciò che ci impedisce di fare lo stesso per l'ottimizzazione multi-criteri, stiamo solo cercando diversi punti invece di uno.

Inoltre "mco" (genetica) era bravo, ma "GPareto" (optimum gaussiano) non sembrava essere il più intelligente...

 

È incredibile come la genetica trovi una soluzione anche con le impostazioni più stentate

La popolazione è di 10 individui,

10 iterazioni,

1 milione di punti dati.

L'algoritmo ha solo 100 tentativi (10*10) per interagire con i dati e trova una buona soluzione.

semplicemente stupefacente.

 
mytarmailS #:

Il compito di confrontare due tipi di ottimizzazione multi-criteri, veloce, semplice e chiaro...

Adam o SGD prendere da qualsiasi pacchetto MO
 
Maxim Dmitrievsky #:
Adam o SGD prendere da qualsiasi pacchetto MoD

Volevo confrontare questi, sono per l'ottimizzazione multi-criteri

adam , anche da "qualsiasi pacchetto MO" non sono sicuramente multi-criteri.

Non ho un problema con la scelta degli algoritmi))) al contrario, non è python per te)))

 
mytarmailS #:

Il compito è quello di confrontare due tipi di ottimizzazione multi-criteri, veloce, semplice e...

È chiaro che possiamo trovare l'estremo con altri mezzi, per esempio, chiamare la funzione min() per un vettore, ma non si tratta di questo

Ho pensato che trovare l'estremo di una funzione (per trovare un minimo in un vettore) è proprio la cosa, ad essere onesti, penso ancora che ci siamo persi da qualche parte...

============

Qui, puoi trovare il minimo senza problemi con la genetica ordinaria.


==============================

Ciò che ci impedisce di fare lo stesso per l'ottimizzazione multi-criteri, stiamo solo cercando diversi punti invece di uno.

Inoltre "mco" (genetica) era bravo, ma "GPareto" (optimum gaussiano) non sembrava affatto "ciao", anche se si suppone che sia il più intellettuale...

Devi avere un'idea sbagliata del termine OTTIMIZZAZIONE MULTICRITORIALE. È l'ottimizzazione secondo diversi criteri allo stesso tempo. Per esempio: abbiamo una curva di equilibrio come risultato del funzionamento della rete neurale. Possiamo ottimizzarlo in base al saldo massimo o al prelievo minimo. E se abbiamo bisogno di ottimizzarlo simultaneamente per equilibrio e prelievo - sarà un'ottimizzazione multi-criterio. Avete un criterio - il minimo di una funzione, trovate tutti i minimi di questa funzione e selezionate quelli che vi servono.

Buona fortuna

 
Vladimir Perervenko #:

Devi avere un fraintendimento del termine OTTIMIZZAZIONE MULTI-CRITERIALE. È l'ottimizzazione secondo diversi criteri allo stesso tempo. Per esempio: abbiamo una curva di equilibrio come risultato del funzionamento della rete neurale. Possiamo ottimizzarlo in base al saldo massimo o al prelievo minimo. E se abbiamo bisogno di ottimizzarlo simultaneamente per equilibrio e prelievo - sarà un'ottimizzazione multi-criterio. Avete un criterio - il minimo di una funzione, trovate tutti i minimi di questa funzione e selezionate quelli che vi servono.

Buona fortuna

Ti capisco, non ci capiamo, ma grazie per il chiarimento...

 
mytarmailS #:

So che non ci capiamo, ma grazie per il chiarimento...

Sono d'accordo. Non c'è di che.

 
Andrey Dik #:

Il valore medio dei pesi della rete neurale preso modulo è un indicatore della sua qualità di formazione?

Supponiamo che ci siano due neuroni identici addestrati sugli stessi dati, un neurone ha un valore di 0,87 e l'altro di 0,23, quale è addestrato meglio?

Più la risposta media è vicina a 1, meglio è, è solo una questione di pratica. Non so spiegare perché, ma per me è uno dei segni principali di un buon modello.
 
Ho notato che questo modello è un po' più universale. Con gli stessi risultati nel campione di prova, il modello con il valore di risposta medio più alto si comporta meglio nella vita reale.