L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3307
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Quindi nessuno ha pensato di eseguire questi test?
Ho cercato )
https://www.mql5.com/ru/forum/86386/page1056#comment_8678465
Che razza di persone erano - Shurik, Koldun...)
Alexey Burnakov, il dottor Trader...
uno vale centinaia...
Dopotutto, la stessa frase"ci è venuta in mente" implica un qualche tipo di processo di pensiero (iterazioni).
Come fa il modello finale a sapere se si tratta di iterazioni del cervello o del computer e se c'è una differenza tra i due?
La domanda è sorta dopo aver letto l 'articolo di Prado
il punto è che l'optimum può essere trovato in 1000 iterazioni o in 100, se si tratta di ottimizzare alcuni parametri del modello. all'aumentare del numero di iterazioni, aumenta semplicemente la probabilità di trovarlo.
Ho detto prima che è molto importante usare una stima che dia il valore massimo di ciò che si vuole trovare. usare una stima sbagliata porta a indovinare i fondi di caffè.
Alexey si imbatte in DQN e non va oltre, preferendo scrivere storie su Valera. Il commerciante di DR si mise in contatto con Alexander e quest'ultimo lo rovinò, poiché il primo non aveva alcuna opinione.
L'unico personaggio era Wizard, che evidentemente aveva capito qualcosa, ma era troppo nervoso e quando si rese conto che stava per essere catturato, scappò via.
È interessante notare che tutti hanno scritto in R, quindi non si è ottenuto nulla, perché R distrugge la mente.Il sovraapprendimento deriva dalla memorizzazione di fenomeni rari. Questi fenomeni sono isolati in modo puramente statistico, poiché non esiste un modello che descriva causa ed effetto.
Allo stesso tempo, una perdita non sempre significa che il modello è sovrallenato.
il punto è che l'optimum può essere trovato per 1000 iterazioni e per 100, se parliamo dell'ottimizzazione di alcuni parametri del modello. con l'aumentare del numero di iterazioni aumenta semplicemente la probabilità di trovarlo.
Ho detto prima che è molto importante usare una stima che dia il valore massimo di ciò che si vuole trovare. usare una stima errata porta a indovinare i fondi di caffè.
Non hai nemmeno capito l'essenza della mia domanda
Non hai nemmeno capito il senso della mia domanda.
Io parlavo di una cosa, Alexei di un'altra.
e non mi aspettavo che il mio pensiero fosse preso per buono.
Immaginate che l'insieme dei parametri di cui avete bisogno esista in un insieme completo di tutte le varianti. ora pensate a quale dovrebbe essere la stima, in modo che a qualsiasi numero di iterazioni sia possibile trovare solo ed esattamente questo insieme? se il fit cresce con l'aumentare delle iterazioni, significa che non è l'insieme a essere localizzato in modo errato, ma che viene utilizzata una stima errata.
Io parlavo di una cosa, Alexei di un'altra.
Ed entrambi stavano parlando della cosa sbagliata.
Leggete l'articolo, poi il problema dei test multipli, poi di nuovo la mia domanda.
in modo che con un numero qualsiasi di iterazioni si possa trovare proprio questo insieme.
La canzone di una volta!
Nessuno ha bisogno di questo insieme. L'ottimizzazione nel tester cerca proprio questo set unico e un gran numero di "ottimizzatori" si accontenta di questo singolo set di parametri senza prestare attenzione al "diagramma bidimensionale", con il quale si può cercare di trovare un set di set, cioè trovare un plateau, non un massimo.
E l'insieme ottimale, che sul diagramma bidimensionale appare come un'isola verde in mezzo a quadrati pallidi o bianchi, indica un sovrallenamento, cioè una particolarità che è molto ottimale, ma che non si incontrerà mai più, viene eliminata, il che si chiama sovrallenamento.
Ed entrambi riguardano la cosa sbagliata.
Leggete l'articolo, poi il problema dei test multipli, poi di nuovo la mia domanda.
Come desidera, non insisto.