L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 3316

Nuovo commento
 
Maxim Dmitrievsky #:
Non so cosa c'è nel mio cuore, sono solo sciocchezze ancora una volta
Hai già avuto la conferma da altri, che sono MO, che non stai affatto pensando.
Quante volte puoi girare in tondo?

Perché ti agiti e ti agiti?

La linea verde è una traccia, quella rossa è una convalida. Il segno con il cerchio rosso è il punto in cui il grafico dell'errore di convalida passa da un valore decrescente a uno crescente, è l'Estremo globale! - È il punto in cui bisogna interrompere l'addestramento. Vedete, la risposta semplice alla mia domanda? Qualsiasi apprendimento è l'essenza dell'ottimizzazione con la ricerca dell'estremo globale. Qualsiasi metodo di MO si riduce proprio a questo, all'ottimizzazione di una funzione di valutazione verso un estremo globale (minimizzazione della funzione di perdita o massimizzazione della funzione di valutazione). Ma voi non siete un ottimizzatore, come mai? Anche se non lo fate deliberatamente, i metodi MO lo fanno per voi.

 
Maxim Dmitrievsky #:
Tutti confermano l'interpretazione errata di Sanych, secondo cui Insegna è un sinonimo di marcatura?

No, non sono la stessa cosa, non sono sinonimi.

Anche se le marcature possono fungere da insegnante, dipende dal compito. Ma è impossibile stabilire un'uguaglianza univoca tra i due.

 
Andrey Dik #:

Perché ti agiti e ti agiti?

La linea verde è una traccia, la linea rossa è la convalida. Il segno con il cerchio rosso è il punto in cui il grafico dell'errore di convalida passa da un valore decrescente a un valore crescente, questo è il Global Extreme! - È il punto in cui bisogna interrompere l'addestramento. Vedete, la risposta semplice alla mia domanda? Qualsiasi apprendimento è l'essenza dell'ottimizzazione con la ricerca dell'estremo globale. Qualsiasi metodo di MO si riduce proprio a questo, all'ottimizzazione di una funzione di valutazione verso un estremo globale (minimizzazione della funzione di perdita o massimizzazione della funzione di valutazione). Ma voi non siete un ottimizzatore, come mai? Anche se non lo fate intenzionalmente, i metodi MO lo fanno per voi.

Questo è il grafico del modello riqualificato, nel vostro caso.
E dopo il punto di rottura, l'aumento della complessità porta a un crescente sovrallenamento, che è ciò di cui stavamo parlando.
 
Valeriy Yastremskiy struttura dei dati.

  • Esempi di compiti:

    • Apprendimento con un insegnante: classificazione, regressione, predizione, rilevamento di frodi, rilevamento di oggetti, traduzione automatica, ecc.
    • Apprendimento senza insegnante: clustering, riduzione della dimensionalità (PCA, t-SNE), regola associativa, visualizzazione dei dati e molti altri.

  • Valutazione del modello:

    • Apprendimento con un insegnante: un modello viene valutato in base alla sua capacità di fare previsioni o classificazioni confrontandolo con etichette note. Le valutazioni possono includere accuratezza, misura F1, errore RMS e altre metriche.
    • Apprendimento senza insegnante: la stima è più difficile perché non ci sono etichette note da confrontare. La valutazione può basarsi sull'ispezione visiva della qualità del clustering, sul confronto con altri algoritmi o sull'analisi di un esperto.

    • Entrambi i tipi di apprendimento trovano applicazione nell'apprendimento automatico e la scelta dipende dal compito specifico e dai dati disponibili. A volte si utilizzano anche metodi ibridi, che combinano l'apprendimento con e senza insegnante per ottenere risultati migliori.

    È chiaro che c'è qualcosa che non va.

    Torniamo alle definizioni.

    P.Z.

    Non manca molto alla fine.

    Huh. Qualcuno ha avuto un'illuminazione!

     
    Andrey Dik #:
    In effetti è simile, ma in MO questo grafico mostra e significa diversamente)).

    Mi chiedevo se in qualche modo ne foste a conoscenza).

     
    Maxim Dmitrievsky #:
    Questo è un grafico del modello riqualificato, nel vostro caso.
    Perché "il mio caso"? È lo stesso per tutti. Se si continua ad allenare dopo il cerchio rosso, si ottiene un modello sovrallenato. Quindi aspettate qualche iterazione finché la validità non inizia a crescere, interrompete l'addestramento e scegliete il risultato in cui il cerchio rosso è l'estremo globale. Alcuni possono prendere il risultato per 2, 3, 4 e più iterazioni PRIMA, ma questo non cambia l'essenza, perché è ancora necessario trovare l'estremo globale.
     
    Andrey Dik #:
    Perché "mio"? Lo fanno tutti. Se si continua ad addestrare dopo il cerchio rosso, si ottiene un modello sovrallenato. Quindi si attende per diverse iterazioni fino a quando la validità inizia a crescere per diverse iterazioni, si interrompe l'addestramento e si sceglie il risultato in cui il cerchio rosso è l'estremo globale. Si può prendere il risultato per 2, 3, 4 e più iterazioni PRIMA, ma non cambia l'essenza: è ancora necessario trovare questo estremo globale.
    Si ottiene un modello riqualificato prima del cerchio.
     
    Maxim Dmitrievsky #:
    ...
    E dopo un certo punto, l'aumento della complessità porta a un aumento del sovrallenamento, che è ciò di cui stavamo parlando.

    Si tratta di un grafico di trainee e convalide. La complessità non ha nulla a che fare con questo. Si tratta del fatto che qualsiasi cosa tu faccia in MO, stai cercando un estremo globale, sei un ottimizzatore, non importa quanto tu lo neghi.

     
    Maxim Dmitrievsky #:
    Hai un modello riqualificato prima del cerchio.
    Basta così, siete completamente persi. O dimostrate il contrario, ma non con frasi di una sola parola, bensì con disegni, spiegazioni.
     
    Andrey Dik #:
    Basta così, avete completamente toppato. O dimostrate il contrario, ma non con frasi di una sola parola, ma con disegni, spiegazioni.
    Questo è un grafico degli errori ad ogni iterazione su treyne e shaft. Dopo ogni iterazione/epoca c'è una complicazione del modello. Non avete disegnato qual è l'errore intorno al cerchio sull'asse y e quante iterazioni/epoche sull'asse x. Se è 0,5, il modello non ha imparato nulla in quel punto e inizia a riqualificarsi. Ecco perché il vostro grafico non è nulla.

    Il massimo/minimo globale è l'errore zero.
    1...330933103311331233133314331533163317331833193320332133223323...3399
    Nuovo commento