トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 2454

[Vladimir Perervenko]

mytarmailS#:

5のための、新しいパッケージで、名前はmt5R です。

はい、わかりました。私はちょうど多目的最適化を探していたところでした。

私の単純なフィットネス関数は、アルゴリズムから見て最小となる点のベクトルインデックスを探すだけです。

つまり、理想的には、アルゴリズムは2つのインデックスを生成し、この2つのインデックスは、ベクトルの最小値のインデックスになります。

1つのベクトルで2つの極小値を探すのも、2つのベクトルで1つの極小値を探すのも、違いはないのでは？

私の単純なフィットネスは、私の問題のモデルではなく、私はちょうど自分自身のためにアルゴリズムの仕事の最も単純で、最も明白な比較をしたいと思いました

フィットネス関数は何をするのですか？ 私はすべてのコードを知っていますが、まだその要点を理解していません)

これがあなたの例であり、あなたのフィットネス関数です。ベクトルにおける極値を求める方法は他にもたくさんあります。タスクを明確に策定する。そうすれば、解決策が見えてくるはずです。

あなたの課題は、これらのパッケージでは解決できないことを示しただけです。

グッドラック

[mytarmailS]

Vladimir Perervenko#:

これがあなたの例であり、あなたのフィットネス関数です。ベクトルにおける極値を求める方法は、他にもたくさんあります。問題を明確に定式化する。そうすれば、解決策が見えてくる。

あなたの課題は、これらのパッケージでは解決できないことを示しただけです。

で頑張ってください。

課題は、2種類の多基準最適化を、素早く、シンプルに、わかりやすく比較することです...。

もちろん、他の方法で極限値を求めることもできます。例えば、あるベクトルに対してmin()関数を呼び出すのです。

関数の極限を求める（ベクトルの最小値を求める）のは、正直なところ、まだどこかですれ違いがあるのでは......と思っていたんです。

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

ここでは、通常の遺伝子の問題なく、最小限のものを見つけることができます。

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)

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

多基準最適化で同じことができないのは、1点ではなく数点を探しているだけなのです。

それに「mco」（ジェネティクス）は得意でしたが、「GPareto」（ガウスオプティマム）はあまり頭が良くないようで......。

[mytarmailS]

最も困難な設定でも、遺伝子が解決策を見出すというのは、まさに驚きです。

母集団は10個体。

10回の繰り返し。

100万データポイント。

このアルゴリズムは、データとの対話に100回（10*10）だけ試行し、良い解を見つけることができる。

は、まさに驚きです。

[Maxim Dmitrievsky]

mytarmailS#:

2種類の多基準最適化を比較する課題, 速い、簡単、明確...

MOのパッケージからAdamまたはSGDを取る

[mytarmailS]

Maxim Dmitrievsky#:
Adam or SGD take from any MoD package.

多基準の最適化のために、これらを比較したかったのです。

adam 「どんなMOパッケージ」であっても、マルチクライエントでないことは確かです。

アルゴリズムの選択には問題ありません))逆に 言えば、あなたにとってpythonではないのです)))

[Vladimir Perervenko]

mytarmailS#:

課題は、2種類の多基準最適化を比較することであり、高速でシンプルかつ明確な...

例えば、ベクトルに対してmin()関数を呼び出すなど、他の方法で極限値を求めることができることは明らかですが、そのようなことではなく

関数の極限を求める（ベクトルの最小値を求める）のは、正直なところ、まだどこかですれ違いがあるのでは......と思っていたんです。

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

ここでは、通常の遺伝子の問題なく、最小限のものを見つけることができます。

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

多基準最適化で同じことができないのは、1点ではなく数点を探しているだけなのです。

それに「mco」（遺伝学）は得意でしたが、「GPareto」（ガウス最適）は一番知的なはずなのに、全然「こんにちは」していないような......。

MULTICRITERIAL OPTIMIZATIONという言葉を間違って理解しているのでしょう。同時に 複数の 基準で 最適化を行います。例：ニューラルネットワークの演算の結果、バランスカーブができた。最大残高や最小ドローダウンで最適化することができます。そして、バランスとドローダウンによる最適化を同時に行う必要がある場合、それは多基準の最適化となります。関数の最小値という一つの基準があり、この関数のすべての最小値を求め、必要なものを選択します。

グッドラック

[mytarmailS]

Vladimir Perervenko#:

MULTI-CRITERIAL OPTIMISATIONという言葉を誤解しているのでは？同時に 複数の 基準で 最適化を行います。例：ニューラルネットワークの演算の結果、バランスカーブができた。最大残高や最小ドローダウンで最適化することができます。そして、バランスとドローダウンによる最適化を同時に行う必要がある場合、それは多基準の最適化となります。関数の最小値という一つの基準があり、この関数のすべての最小値を求め、必要なものを選択します。

グッドラック

私はあなたを理解し、我々はお互いを理解していない、しかし、明確にしていただきありがとうございます...。

[Vladimir Perervenko]

mytarmailS#:

理解し合えてないのはわかってるけど、わかりやすく教えてくれてありがとう...。

私もそう思います。どういたしまして。

[Evgeny Dyuka]

アンドレイ・ディク#:

ニューラルネットワークの 重みをモジュロでとった平均値は、その学習品質の指標になるのでしょうか？

同じデータで学習させた同じニューロンが2つあり、一方のニューロンの値が0.87で、もう一方のニューロンの値が0.23だとすると、どちらがより良く学習しているか？

平均的な答えが1に近ければ近いほどよく、あとは練習あるのみです。なぜかは説明できませんが、私にとっては良いモデルの大きなサインのひとつです。

[Evgeny Dyuka]

このモデルは、ある意味、より普遍的なものであることに気づきました。テストサンプルで同じ結果であれば、平均応答値の高いモデルの方が実生活で良いパフォーマンスを発揮します。