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 3380

新しいコメント
 

MOでは、最適化を通じてモデルを訓練（パラメータ選択）するためにフィットネス関数が使用されます。得られたモデルを評価するために、メトリックが使用されます。多くの場合、メトリックはフィットネス関数と一致しません。数学的な観点からは、これはMOが通常の単一基準ではなく、多基準の最適化問題を解くことを意味します。

従来の最適化とのもうひとつの大きな違いは、最適化パラメータの固定セットが頻繁に存在しないことです。通常のツリーであっても、これはすでにそうなっている。数学的な観点からは、これは数値空間における通常の最適化問題ではなく、関数空間における最適化問題につながります。

この2つの点から、MO問題は従来の最適化では解決できないのです。

 
Aleksey Nikolayev #:

MOでは、最適化を通じてモデルを訓練（パラメータ選択）するためにフィットネス関数が使用されます。得られたモデルを評価するために、メトリックが使用されます。多くの場合、メトリックはフィットネス関数と一致しません。数学的な観点からは、これはMOが通常の単一基準ではなく、多基準の最適化問題を解いていることを意味します。

従来の最適化とのもう一つの大きな違いは、最適化パラメータの固定セットが頻繁に存在しないことです。通常のツリーであっても、これはすでにそうなっている。数学的な観点からは、これは数値空間における通常の最適化問題ではなく、関数空間における最適化問題につながります。

この2つの点から、MO問題は従来の最適化では解決できないのです。

多基準最適化アルゴリズムには、まったく別のクラスがあります。しかし、正しく理解すれば、多基準は境界条件の追加と個別の評価で済みます。

関数空間にも評価が必要である。何事も常に評価が必要なのだ。

 
Aleksey Nikolayev #:

MOでは、最適化を通じてモデルを訓練（パラメータ選択）するためにフィットネス関数が使用されます。得られたモデルを評価するために、メトリックが使用されます。多くの場合、メトリックはフィットネス関数と一致しません。数学的な観点からは、これはMOが通常の単一基準ではなく、多基準の最適化問題を解いていることを意味します。

従来の最適化とのもう一つの大きな違いは、最適化パラメータの固定セットが頻繁に存在しないことです。通常のツリーであっても、これはすでにそうなっている。数学的な観点からは、これは数値空間における通常の最適化問題ではなく、関数空間における最適化問題につながります。

この2つの点から、MO問題は従来の最適化では解決できないのです。

詳しい説明をありがとう。それにしても、FFの話題を提起したのには何か背景があったのですね。それがこれだ。

取引、自動取引システム、取引戦略のテストに関するフォーラム

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

マキシム-ドミトリエフスキー, 2024.01.10 19:27

OOSをチェックしながら再最適化することで、OOSを見つけることができます :) これは、1つのフォールドを持つwolf forward OR cross validationの最も単純なケースです。
 
Andrey Dik #:

多基準最適化アルゴリズムには、まったく別のクラスがある。しかし、適切に理解すれば、多基準は境界条件の追加と個別の評価に縮小される。

関数空間にも評価が必要である。何事も常に評価が必要なのだ。

私が言及した機能は、一つずつではなく同時に機能するものであり、あなたが機能的空間にどのような境界を作ろうとしているのか私にはわからない。

このスレッドの参加者全員が現代的なMOの基本を熟知していれば、より有益だろう。SHADの教科書が 良いだろう。

Учебник по машинному обучению
Учебник по машинному обучению
  • education.yandex.ru
Онлайн-учебник по машинному обучению от ШАД — для тех, кто не боится математики и хочет разобраться в технологиях ML.
 
Aleksey Nikolayev #:

私が挙げた機能は1つ1つではなく同時に機能するので、機能的なスペースにどのような境界線を作るのか分からない。

そう、私たちは多機能スペースにおける別々のコンポーネントの同時作業について話しているのだ。両方のコンポーネントは、多機能スペースで別々に評価することもできるし、メタ評価によって、あるいは積分評価によって、すべて一緒に評価することもできる。一方が他方を妨げることはない。MOのどの段階でも評価が必要であり、そのために多くの特別な評価指標がある。

 
Aleksey Nikolayev #:

1) MOでは、最適化を通じてモデルを訓練（パラメータ選択）するためにフィットネス関数が使用される。得られたモデルを評価するためにメトリックが 使用される。多くの場合、メトリックはフィットネス関数と一致しません。数学的な観点からは、これはMOが通常の単一基準ではなく、多基準の最適化問題を解いていることを意味します。

2) 従来の最適化とのもう一つの大きな違いは、 最適化パラメータの固定セットが頻繁に存在しない ことです。 通常のツリーであっても、これはすでにそうなって います。数学的な観点からは、これは数値空間における通常の最適化問題ではなく、関数空間における最適化問題につながります。

この2つの点から、MO問題は従来の最適化では解決できないのです。

1)

矛盾とは何か？

パラメータ選択 == 最適化アルゴリズムにおけるパラメータ探索

モデルメトリクスの推定 == FFによるアクラシ推定など。

何が矛盾しているのですか？


2)

何が問題だとお考えか、詳しく教えてください。例えば

 
fxsaber #:

詳しい説明をありがとう。FFの話題の提起にはまだ文脈があった。それがこれだ。

ご質問は拝見しましたが、私には理解できるようなことは何も言えません。

それに、私はマキシム語の翻訳があまり得意ではない)

 
Andrey Dik #:

そう、多機能スペースにおける個々のコンポーネントの同時作業について話しているのだ。両方のコンポーネントは、多機能スペースで別々に評価することもできるし、メタ評価によって、あるいは積分評価によってまとめて評価することもできる。一方が他方を妨げることはない。MOのどの段階においても評価が必要であり、そのために多くの特別な評価指標がある。

難しいことでなければ、参考文献（論文、書籍）を提示してください。
 
Aleksey Nikolayev #:

質問を見たが、理解できることは何も言えない。

それに、私はマキシムの言葉をあまり上手に翻訳できないしね）。

翻訳の問題ではありません。

取引、自動取引システム、取引戦略のテストに関するフォーラム

トレーディングにおける機械学習：理論、モデル、実践とアルゴ-トレーディング

fxsaber, 2024.01.10 19:43

100のステップを踏んだと仮定しましょう。各入力は 対応する入力100セットの平均に等しい」という原則に従って平均セットを形成する場合、 このセットが 初期区間全体を うまく通過する可能性は低い。

100のセットがFFに依存することは明らかである。

 
Aleksey Nikolayev #:
難しいことでなければ、参考文献（論文、書籍）を提供してください。

私はニューラルネットワーク、MO、最適化、数学に関する数百冊の本をアーカイブに保存している。アーカイブへのリンクも張った。現在、私はこのアーカイブをサポートしていないし、アーカイブのあるクラウドも存在していない。

A.P.カルペンコはこれらのトピックについて多くの本を持っている。

1...337333743375337633773378337933803381338233833384338533863387...3399
新しいコメント