L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3309
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
Non ho bisogno di una risposta alla sua domanda. Se trovo la risposta, dove la userò? Qual è il valore pratico della risposta alla sua domanda?
In quale punto dell'EA inserirò la risposta alla sua domanda? In quale punto dell'IO inserirò la risposta alla sua domanda?
Perché fare cento volte una domanda la cui risposta non mi serve?
Ecco la risposta alla sua domanda (o meglio alla mia domanda iniziale):
cambiate il segno della linea rossa tratteggiata che è fuori dall'intervallo, ciò che rimane nell'intervallo desiderato avrà il punteggio massimo di ciò che state cercando, quindi l'ottimizzazione si ridurrà a trovare il MASSIMO. ciò che state cercando avrà il massimo punteggio possibile.
Questo è un modo semplice per convertire il punteggio che si sta utilizzando in un punteggio con il valore massimo che giace su un altopiano. ma questo non è il modo giusto, il modo giusto è quello di utilizzare un punteggio che inizialmente ha un massimo nel punto che si sta cercando.
Questo vale per tutto, per l'addestramento delle reti neurali, per l'ottimizzazione delle funzioni, per l'ottimizzazione delle strategie, per tutto.
Pertanto, l'affermazione "non è necessario cercare un massimo, ma un plateau stabile" è intrinsecamente errata e indica un uso errato della stima.
Andrew sta confondendo l'addestramento NS con l'ottimizzazione dei suoi parametri, credo.
Entrambi sono una specie di ottimizzazione, il che è un po' sconcertante quando a un gattino è stato versato molto cibo. sembra che ci sia un'ottimizzazione del cibo dappertutto e non è chiaro cosa mangiare.
Quindi l'affermazione "non è necessario cercare un massimo, ma un plateau costante" è intrinsecamente errata, in quanto parla di un uso errato della stima.
Contrariamente alla sua affermazione, lei ha dimostrato che un plateau è stato trovato dimostrando una stima.
Dove posso applicarla in pratica?
Stiamo discutendo di overfitting, che di solito si basa sull'ottimizzazione. nel tester, è chiaro.
In MO, l'overfitting si rivela eseguendo il modello su file diversi. La variazione delle prestazioni del modello è superfitting: non sono necessari criteri. C'è anche un pacchetto che viene rivelato dall'overfitting.
Scendete dal cielo, pardon, dai vostri estremi alla terra dove le cose sono diverse.
Contrariamente a quanto afferma lei, ha dimostrato di aver trovato un plateau dimostrando apprezzamento.
Dove posso applicarlo in pratica?
Stiamo discutendo dell'over fitting, che di solito si basa sull'ottimizzazione. nel tester è tutto chiaro.
In MO, l'overfitting si rivela eseguendo il modello su file diversi. La variazione delle prestazioni del modello è superfitting: non sono necessari criteri. Esiste anche un pacchetto che rileva l'overfitting.
Scendete dai vostri estremi verso il terreno dove le cose sono diverse.
Dopo tutto, 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 in seguito all'articolo di Prado
L'hacking consiste nell'allungare i dati a proprio piacimento. Si prende un FF qualsiasi e si aggiungono tanti dati all'input per massimizzarlo. Se la massimizzazione è scarsa, si aggiungono altri dati o si sceglie un algoritmo di ottimizzazione più preciso. In questo modo è possibile massimizzare qualsiasi FF. Questo è il caso più comune nell'ottimizzazione TC. In questo caso, più dati - più sovrallenamento. Nessuna opzione. I minimi-massimi globali non dicono nulla. La soluzione logica è massimizzare il FF minimizzando il numero di caratteristiche, come ho scritto sopra. Il male minore, per così dire. Baes - variante di compromesso, in parole scientifiche.
Un barile di miele con un cucchiaio di catrame, così il miele può essere buttato via. Come ha detto Stirlitz, è l'ultima frase a essere memorabile.
Un barile di miele con un cucchiaio di catrame, così il miele può essere scartato. Come ha detto Stirlitz, è l'ultima frase che conta.
Il processo di ottimizzazione è una ricerca di parametri sconosciuti.