Trovare un set di indicatori per alimentare gli ingressi della rete neurale. Discussione. Uno strumento di valutazione dei risultati. - pagina 6
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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
joo писал(а) >>
rip e IlyaA non sembrano capire che iliarr sta usando un metodo di insegnamento senza insegnante. Di che tipo di errore di apprendimento possiamo parlare se la funzione obiettivo è il profitto? O pensate entrambi che avendo addestrato la rete sulla storia, la farete funzionare su una storia di prova e confronterete il profitto ottenuto? Il profitto sarà diverso, meno o più, ma diverso. La storia del test è diversa. Non confondere con l'approssimazione, dove il criterio per la qualità dell'approssimazione è la deviazione standard della funzione originale e quella ottenuta.
Cosa c'entra MSE? La stima della correttezza della rete secondo l'idea dell'autore è la funzione di profitto. Cioè le posizioni longshort sono aperte e il trade.Profit è calcolato relativamente ad esse o usandole - questo può essere visto nel codice. Ok, allora la domanda è semplicemente vedere come si comporta un individuo in un campione di prova, che è considerato il migliore in una data generazione. Perché penso che questo sia importante, il profitto è contato rispetto al campione di allenamento. E chi può dire che si comporterà allo stesso modo su campioni che non sono stati presentati alla rete.
Non importa con quale metodo la rete sia addestrata, con o senza un insegnante, un campione di prova con un risultato noto ci permette di stimare il grado di sovrallenamento.
O altrimenti torniamo allo 'sciamanesimo' - qualcosa è stato dato alla rete, qualcosa è stato ricevuto, e ora interpretiamo il risultato.
Il profitto f-from non può essere usato come stima della correttezza del lavoro di una rete. Il fattore di profitto descrive una rete solo dal punto di vista della capacità di un Expert Advisor di guadagnare il massimo profitto possibile. Non possiamo dire di più sulla correttezza di una rete. Pensate, per un certo periodo di tempo è possibile guadagnare la stessa quantità di profitto in molti modi diversi. Ogni trader si preoccupa soprattutto di quale sia la strada. Per esempio, l'abbassamento massimo relativo o altri criteri di valutazione della ST possono essere usati per valutare le prestazioni della rete. Cioè l'autore deve massimizzare il profitto f-from sul campione di allenamento, testarlo su un campione di prova e stimarlo usando i parametri descritti sopra. O si ottimizza un Makdi Expert Advisor standard, per esempio, si seleziona anche la variante con il massimo profitto?
Indipendentemente dal metodo con cui la rete viene addestrata, con o senza insegnante, un campione di prova con un risultato noto ci permette di valutare il grado di sovrallenamento.
O altrimenti torniamo allo "sciamanesimo" - abbiamo dato qualcosa alla rete, abbiamo ottenuto qualcosa, e ora interpretiamo il risultato.
Come si ottiene un risultato noto su un campione di prova se si usa la funzione di profitto?
Caro joo, ti chiedo di non discutere un comportamento o pensieri di altre persone, soprattutto se la persona non ti è familiare....
Mi scuso se è sembrato che stessi discutendo il comportamento di qualcun altro o il pensiero di altre persone, non volevo essere personale. Di nuovo, mi dispiace se questo è stato il caso.
Vi chiedo anche di rispondere a questa domanda. Pensate che una rete si adatti ai dati se viene addestrata con la genetica? Adattarsi e non generalizzare?
La capacità di una rete neurale di adattarsi a qualsiasi cosa non dipende dalla genetica. La genetica è solo uno dei metodi di ottimizzazione. La chiave è nei dati presentati, nella topologia della rete, nei metodi di stima del risultato.
La capacità di una rete neurale di adattarsi a qualsiasi cosa non dipende dalla genetica. La genetica è solo uno dei metodi di ottimizzazione. Il punto chiave è nei dati presentati, nella topologia di una rete, nei metodi di stima del risultato.
Sono contento che sia così amichevole. Di conseguenza, la logica è che se non c'è una curva di errore di apprendimento, allora c'è una curva di efficienza di apprendimento. In questo caso, il pubblico deve guardarlo. D'accordo.Di conseguenza, la logica è che se non c'è una curva di errore di apprendimento, allora c'è una curva di efficienza di apprendimento. In questo caso, il pubblico deve guardarlo. >> D'accordo.
La mia logica è questa:
Per analogia con il mondo animale. Ci sono un cervo e un lupo che vivono in una foresta. Entrambi pesano 80 kg. Un cervo rosicchia l'erba 24 ore al giorno, mentre un lupo mangia metà di un alce e non mangia per due settimane. Il loro apporto calorico medio è lo stesso. Ma il modo in cui si procurano il cibo è diverso.
Anche TC lo fa. Dobbiamo scegliere come il profitto sarà ottenuto, e di conseguenza scegliere i criteri di valutazione di TC, e nel contesto di questo ramo - NN.
La mia logica è questa:
Per analogia con il mondo animale. Nella foresta vivono un cervo e un lupo. Entrambi pesano 80 chilogrammi. Un cervo rosicchia l'erba tutto il giorno, mentre un lupo mangia metà di un alce e non mangia per quindici giorni. Il loro apporto calorico medio è lo stesso. Ma il modo in cui si procurano il cibo è diverso.
Anche TC lo fa. Dobbiamo scegliere come ottenere il profitto, e di conseguenza scegliere i criteri di valutazione di TC, e nel contesto di questo ramo - NN.
State valutando le prestazioni della rete dal punto di vista del TC. Sto guardando la rete in sé, senza riferimento al TC. La rete è solo un meccanismo di analisi dei dati e niente di più.
Ma usando la tua allegoria, voglio vedere un grafico come un cervo e un lupo guadagnano peso separatamente (questo allenamento) in uno zoo, e anche un grafico come un cervo e un lupo guadagneranno peso, se diciamo che sono stati rilasciati in natura (test), bene, in un parco nazionale, dove saranno guardati da ranger. Su questa base sarebbe possibile costruire un'ipotesi su come si comporteranno in natura %)
State valutando le prestazioni della rete dal punto di vista del TC. Sto guardando la rete in sé, senza riferimento al TC. La rete è solo un meccanismo di analisi dei dati e niente di più.
Ma applicando la tua allegoria, vorrei vedere un grafico di come il cervo e il lupo guadagnano peso separatamente (questo è un allenamento) in uno zoo, e anche un grafico di come gli stessi cervo e lupo guadagneranno peso, se diciamo che vengono rilasciati in natura (test), beh, in un parco nazionale, dove saranno guardati dai guardiacaccia. Su questa base possiamo fare un'ipotesi su come si comporteranno in natura %)
non c'è molto di sbagliato. Dobbiamo valutare in qualche modo che se alleviamo un cerbiatto, ci ritroviamo con un bel cervo, non un lupo. Cioè, per valutare non il tasso e il volume di assunzione di cibo, ma l'appartenenza alla specie che vogliamo. Forse per realizzare una classificazione, in sostanza, per determinare la "somiglianza" della curva di consumo con quella di riferimento. E questo è un compito separato e difficile.
rip 10.11.2009 23:18
Indipendentemente dal metodo utilizzato per addestrare la rete, con o senza insegnante, un campione di prova con un risultato noto permette di valutare il grado di sovrallenamento.
Altrimenti torniamo allo "sciamanesimo": abbiamo dato qualcosa alla rete, abbiamo ricevuto qualcosa, e ora interpretiamo il risultato.
Un'osservazione perfettamente legittima. Per questo, ho scaricato un neurone addestrato in un Expert Advisor di trading MT4 per verificare nel tester di strategie MT4 cosa ho ottenuto.
La citazione è dal primo post dell'argomento:
iliarr 09.11.2009 13:13
Esporto la rete addestrata in MQL4 Expert Advisor e controllo la sua funzionalità nello strategy tester di MT4. Formero' gli input per la rete neurale nell'indicatore MT4 e li esportero' in un file.
E pronto a postare questi caricamenti qui, per valutare la qualità dei dati immessi nella rete. Propongo di scegliere l'intervallo M5 dal 1-08-2009 al 1-10-2009 e insegnare reti neurali simili su di esso nello stesso modo. Questo metodo non pretende di essere assolutamente accurato, ma penso che vada bene per il confronto.
State valutando le prestazioni della rete dal punto di vista del TC. Sto guardando la rete in sé, senza riferimento al TC. La rete è solo un meccanismo di analisi dei dati e niente di più.
Ma applicando la tua allegoria, vorrei vedere un grafico di come il cervo e il lupo guadagnano peso separatamente (questo è un allenamento) in uno zoo, e anche un grafico di come gli stessi cervo e lupo guadagneranno peso, se diciamo che vengono rilasciati in natura (test), beh, in un parco nazionale, dove saranno guardati dai guardiacaccia. Su questa base possiamo fare un'ipotesi su come si comporteranno in natura %)
Durante l'allenamento si tiene un registro come questo:
Se la funzione di destinazione è più grande di quella attuale, la rete neurale viene scaricata in un file e viene scritta la riga successiva del log. Non credo che questa sia la risposta alla tua domanda, ma non vedo il senso di mantenere altre statistiche.