그것은 rip 과 IlyaA 가 iliarr 이 감독되지 않은 학습 방법을 사용하고 있다는 것을 절대 이해하지 못할 것 같습니다. 목적 함수가 이익이라면 어떤 종류의 학습 오류에 대해 이야기할 수 있습니까? 아니면 둘 다 히스토리에 대해 네트워크를 교육하고 테스트 히스토리에서 실행하고 이익을 비교한다고 생각합니까? 이익은 다르거나 많거나 적지만 다를 것입니다. 테스트 스토리는 다릅니다. 근사의 품질에 대한 기준은 원래 함수와 결과 함수의 표준 편차인 근사와 혼동하지 마십시오.
그리고 MSE는 어떻습니까?! 저자가 생각한 것처럼 네트워크의 정확성에 대한 평가는 이익 함수입니다. 저것들. 롱/숏 포지션이 열리면, trade.Profit은 그들과 관련되거나 도움이 되는 것으로 간주됩니다. 이것은 코드에서 볼 수 있습니다. 좋습니다. 그렇다면 문제는 개인이 테스트 샘플에서 어떻게 행동하는지 확인하는 것입니다. 이는 이 세대에서 최고로 간주됩니다. 이것이 중요하다고 생각하는 이유는 이익이 훈련 샘플에 상대적입니다. 그리고 누가 네트워크에 제공되지 않은 샘플에서 동일한 방식으로 작동할 것이라고 말했습니다.
교사가 있든 없든 네트워크가 훈련된 방법에 관계없이 알려진 결과를 가진 테스트 샘플을 통해 과적합 정도를 추정할 수 있습니다.
그렇지 않으면 "샤머니즘"으로 돌아갑니다. 네트워크에 무언가를 줬고, 무언가를 받았고, 이제 결과를 해석해 보겠습니다.
그리고 MSE는 어떻습니까?! 저자가 생각한 것처럼 네트워크의 정확성에 대한 평가는 이익 함수입니다. 저것들. 롱/숏 포지션이 열리면, trade.Profit은 그들과 관련되거나 도움이 되는 것으로 간주됩니다. 이것은 코드에서 볼 수 있습니다. 좋습니다. 그렇다면 문제는 개인이 테스트 샘플에서 어떻게 행동하는지 확인하는 것입니다. 이는 이 세대에서 최고로 간주됩니다. 이것이 중요하다고 생각하는 이유는 이익이 훈련 샘플에 상대적입니다. 그리고 누가 네트워크에 제공되지 않은 샘플에서 동일한 방식으로 작동할 것이라고 말했습니다.
네트워크의 정확성을 평가하는 것은 f-I 이익으로 작용할 수 없습니다 . F-I 이익은 가능한 한 많은 이익을 얻을 수 있는 전문가의 능력이라는 관점에서만 네트워크를 특징짓습니다. 이익 함수는 네트워크의 올바른 작동에 대해 더 이상 알려줄 수 없습니다. 결국, 특정 시간 간격으로 여러 가지 방법으로 동일한 양의 이익을 얻을 수 있다고 생각하십시오. 모든 거래자는 무엇보다도 어떤 면에서 걱정할 뿐입니다. 저것들. 즉, 최대 상대 감소 또는 TS를 평가하기 위한 다른 기준은 네트워크 품질 평가의 역할을 할 수 있습니다 . 즉, 브랜치의 작성자는 내가 위에서 설명한 매개변수에 따라 교육용으로 제공된 샘플에서 f 번째 이익을 최대화하고 테스트 샘플에서 테스트하고 평가해야 합니다. 또는, 예를 들어 표준 mcdi 전문가를 최적화할 때 최대 이익이 있는 옵션도 선택하시겠습니까?
교사가 있든 없든 네트워크가 훈련된 방법에 관계없이 알려진 결과를 가진 테스트 샘플을 통해 과적합 정도를 추정할 수 있습니다.
그렇지 않으면 "샤머니즘"으로 돌아갑니다. 네트워크에 무언가를 줬고, 무언가를 받았고, 이제 결과를 해석해 보겠습니다.
친애하는 joo님, 특히 다른 사람이 귀하와 친숙하지 않은 경우 다른 사람의 행동이나 생각에 대해 이야기하지 마십시오. 또한 이 질문에 답해 주십시오. 훈련이 유전학에 의해 수행된다면 네트워크가 데이터에 적응할 것이라고 생각하십니까? 일반화하는 것이 아니라 적응하는 것입니까?
TS의 관점에서 네트워크의 성능을 평가합니다. 차량에 대한 언급 없이 네트워크 자체를 고려합니다. 네트워크는 데이터 분석 메커니즘일 뿐 그 이상은 아닙니다.
그러나 귀하의 비유를 적용하여 동물원에서 사슴과 늑대가 별도로 체중을 조절하는 방법(이것은 훈련입니다)에 대한 그래프와 같은 사슴과 늑대가 우리는 그들이 자연으로 풀려났다고 말합니다. 이를 바탕으로 자연에서 어떻게 행동할지에 대한 가설을 세울 수 있습니다 %)
별로 틀리지 않습니다. 우리가 사슴을 키우면 결국 늑대가 아니라 잘 생긴 사슴을 얻었다는 것을 어떻게 든 평가할 필요가 있습니다. 저것들. 음식 소비의 속도와 양이 아니라 우리가 필요로 하는 종에 속하는지를 평가하십시오. 실제로 기준 곡선에 대한 소비 곡선의 "유사성"을 결정하기 위해 분류를 수행하는 것이 가능합니다. 그리고 이것은 별개의 어려운 작업입니다.
훈련된 네트워크를 MQL4 Expert Advisor로 내보내고 MT4 전략 테스터에서 작업을 확인합니다. 나는 MT4 표시기에서 신경망에 대한 입력을 구성하고 파일에 업로드합니다.프로그램은 표시기와 어드바이저를 생성하고 파일에 씁니다(이렇게 하면 혼동과 오류가 적습니다).
그리고 네트워크에 제공되는 데이터의 품질을 평가하기 위해 이 업로드를 여기에 게시할 준비가 되었습니다. 2009년 1월 8일부터 2009년 1월 10일까지 M5 범위를 선택하고 동일한 방식으로 유사한 신경망을 학습할 것을 제안합니다. 이 방법이 절대적으로 정확하다고 주장하지는 않지만 비교를 위해 그렇게 할 것이라고 생각합니다.
joo писал(а) >>
그것은 rip 과 IlyaA 가 iliarr 이 감독되지 않은 학습 방법을 사용하고 있다는 것을 절대 이해하지 못할 것 같습니다. 목적 함수가 이익이라면 어떤 종류의 학습 오류에 대해 이야기할 수 있습니까? 아니면 둘 다 히스토리에 대해 네트워크를 교육하고 테스트 히스토리에서 실행하고 이익을 비교한다고 생각합니까? 이익은 다르거나 많거나 적지만 다를 것입니다. 테스트 스토리는 다릅니다. 근사의 품질에 대한 기준은 원래 함수와 결과 함수의 표준 편차인 근사와 혼동하지 마십시오.
그리고 MSE는 어떻습니까?! 저자가 생각한 것처럼 네트워크의 정확성에 대한 평가는 이익 함수입니다. 저것들. 롱/숏 포지션이 열리면, trade.Profit은 그들과 관련되거나 도움이 되는 것으로 간주됩니다. 이것은 코드에서 볼 수 있습니다. 좋습니다. 그렇다면 문제는 개인이 테스트 샘플에서 어떻게 행동하는지 확인하는 것입니다. 이는 이 세대에서 최고로 간주됩니다. 이것이 중요하다고 생각하는 이유는 이익이 훈련 샘플에 상대적입니다. 그리고 누가 네트워크에 제공되지 않은 샘플에서 동일한 방식으로 작동할 것이라고 말했습니다.
교사가 있든 없든 네트워크가 훈련된 방법에 관계없이 알려진 결과를 가진 테스트 샘플을 통해 과적합 정도를 추정할 수 있습니다.
그렇지 않으면 "샤머니즘"으로 돌아갑니다. 네트워크에 무언가를 줬고, 무언가를 받았고, 이제 결과를 해석해 보겠습니다.
네트워크의 정확성을 평가하는 것은 f-I 이익으로 작용할 수 없습니다 . F-I 이익은 가능한 한 많은 이익을 얻을 수 있는 전문가의 능력이라는 관점에서만 네트워크를 특징짓습니다. 이익 함수는 네트워크의 올바른 작동에 대해 더 이상 알려줄 수 없습니다. 결국, 특정 시간 간격으로 여러 가지 방법으로 동일한 양의 이익을 얻을 수 있다고 생각하십시오. 모든 거래자는 무엇보다도 어떤 면에서 걱정할 뿐입니다. 저것들. 즉, 최대 상대 감소 또는 TS를 평가하기 위한 다른 기준은 네트워크 품질 평가의 역할을 할 수 있습니다 . 즉, 브랜치의 작성자는 내가 위에서 설명한 매개변수에 따라 교육용으로 제공된 샘플에서 f 번째 이익을 최대화하고 테스트 샘플에서 테스트하고 평가해야 합니다. 또는, 예를 들어 표준 mcdi 전문가를 최적화할 때 최대 이익이 있는 옵션도 선택하시겠습니까?
교사가 있든 없든 네트워크가 훈련된 방법에 관계없이 알려진 결과를 가진 테스트 샘플을 통해 과적합 정도를 추정할 수 있습니다.
그렇지 않으면 "샤머니즘"으로 돌아갑니다. 네트워크에 무언가를 줬고, 무언가를 받았고, 이제 결과를 해석해 보겠습니다.
이익 함수를 사용하는 경우 테스트 샘플에서 알려진 결과 를 어떻게 얻을 수 있습니까?
친애하는 주님, 다른 사람의 행동이나 생각에 대해 이야기하지 마십시오. 특히 그 사람이 귀하에게 익숙하지 않은 경우 ....
제가 누군가의 행동이나 다른 사람들의 생각을 이야기하는 것처럼 보였다면 죄송합니다. 제 생각에는 개인에게 전환이 없었습니다.. 다시 한 번 죄송합니다.
또한 이 질문에 답해 주십시오. 훈련이 유전학에 의해 수행된다면 네트워크가 데이터에 적응할 것이라고 생각하십니까? 일반화하는 것이 아니라 적응하는 것입니까?
어떤 것에든 적응하는 신경망의 능력은 유전에 의존하지 않습니다. 유전학은 최적화 방법 중 하나일 뿐입니다. 요점은 제시된 데이터, 네트워크 토폴로지, 결과 평가 방법에 있습니다.
어떤 것에든 적응하는 신경망의 능력은 유전에 의존하지 않습니다. 유전학은 최적화 방법 중 하나일 뿐입니다. 요점은 제시된 데이터, 네트워크 토폴로지, 결과 평가 방법에 있습니다.
암튼 다들 친절하셔서 다행입니다. 따라서 논리는 다음과 같습니다. 학습 오류 곡선이 없으면 학습 효율성 곡선이 있습니다. 그런 경우에는 국민의 주의가 필요합니다. 동의하다.따라서 논리는 다음과 같습니다. 학습 오류 곡선이 없으면 학습 효율성 곡선이 있습니다. 그런 경우에는 국민의 주의가 필요합니다. 동의하다.
내 논리는 다음과 같습니다.
동물의 세계에 비유하자면. 숲에는 사슴과 늑대가 살고 있습니다. 둘 다 80kg입니다. 사슴은 24시간 풀을 갉아먹고, 늑대는 엘크 반쪽을 먹어치우면 2주 동안 먹지 않는다. 그들의 평균 칼로리 섭취량은 동일합니다. 그러나 음식을 얻는 방법은 다릅니다.
TS도 마찬가지입니다. 우리는 이익을 받는 방법을 선택해야 하며 이에 따라 TS 평가 기준을 선택해야 하며 이 지점의 맥락에서 NN을 선택해야 합니다.
내 논리는 이렇습니다.
동물의 세계와 유추하여. 숲에는 사슴과 늑대가 살고 있습니다. 둘 다 80kg입니다. 사슴은 24시간 풀을 갉아먹고, 늑대는 엘크 반쪽을 먹어치우면 2주 동안 먹지 않는다. 그들의 평균 칼로리 섭취량은 동일합니다. 그러나 음식을 얻는 방법은 다릅니다.
TS도 마찬가지입니다. 우리는 이익을 받는 방법을 선택해야 하며 이에 따라 TS 평가 기준을 선택해야 하며 이 지점의 맥락에서 NN을 선택해야 합니다.
TS의 관점에서 네트워크 성능을 평가합니다. 차량에 대한 언급 없이 네트워크 자체를 고려합니다. 네트워크는 데이터 분석 메커니즘일 뿐 그 이상은 아닙니다.
그러나 귀하의 비유를 적용하여 동물원에서 사슴과 늑대가 별도로 체중을 조절하는 방법(이것은 훈련입니다)에 대한 그래프와 같은 사슴과 늑대가 우리는 그들이 자연으로 풀려났다고 말합니다. 이를 바탕으로 자연에서 어떻게 행동할지에 대한 가설을 세울 수 있습니다 %)
TS의 관점에서 네트워크의 성능을 평가합니다. 차량에 대한 언급 없이 네트워크 자체를 고려합니다. 네트워크는 데이터 분석 메커니즘일 뿐 그 이상은 아닙니다.
그러나 귀하의 비유를 적용하여 동물원에서 사슴과 늑대가 별도로 체중을 조절하는 방법(이것은 훈련입니다)에 대한 그래프와 같은 사슴과 늑대가 우리는 그들이 자연으로 풀려났다고 말합니다. 이를 바탕으로 자연에서 어떻게 행동할지에 대한 가설을 세울 수 있습니다 %)
별로 틀리지 않습니다. 우리가 사슴을 키우면 결국 늑대가 아니라 잘 생긴 사슴을 얻었다는 것을 어떻게 든 평가할 필요가 있습니다. 저것들. 음식 소비의 속도와 양이 아니라 우리가 필요로 하는 종에 속하는지를 평가하십시오. 실제로 기준 곡선에 대한 소비 곡선의 "유사성"을 결정하기 위해 분류를 수행하는 것이 가능합니다. 그리고 이것은 별개의 어려운 작업입니다.
rip 10.11.2009 23:18
교사가 있든 없든 네트워크가 훈련된 방법에 관계없이 알려진 결과를 가진 테스트 샘플을 통해 과적합 정도를 추정할 수 있습니다.
그렇지 않으면 "샤머니즘"으로 돌아갑니다. 네트워크에 무언가를 줬고, 무언가를 받았고, 이제 결과를 해석해 보겠습니다.
완전히 합법적인 댓글입니다. 이를 위해 MT4 전략 테스터에서 어떤 일이 발생했는지 확인하기 위해 훈련된 신경망을 MT4 거래 EA에 업로드합니다.
스레드의 첫 번째 게시물에서 인용:
일리아르 09.11.2009 13:13
훈련된 네트워크를 MQL4 Expert Advisor로 내보내고 MT4 전략 테스터에서 작업을 확인합니다. 나는 MT4 표시기에서 신경망에 대한 입력을 구성하고 파일에 업로드합니다.프로그램은 표시기와 어드바이저를 생성하고 파일에 씁니다(이렇게 하면 혼동과 오류가 적습니다).
그리고 네트워크에 제공되는 데이터의 품질을 평가하기 위해 이 업로드를 여기에 게시할 준비가 되었습니다. 2009년 1월 8일부터 2009년 1월 10일까지 M5 범위를 선택하고 동일한 방식으로 유사한 신경망을 학습할 것을 제안합니다. 이 방법이 절대적으로 정확하다고 주장하지는 않지만 비교를 위해 그렇게 할 것이라고 생각합니다.
TS의 관점에서 네트워크 성능을 평가합니다. 차량에 대한 언급 없이 네트워크 자체를 고려합니다. 네트워크는 데이터 분석 메커니즘일 뿐 그 이상은 아닙니다.
그러나 귀하의 비유를 적용하여 동물원에서 사슴과 늑대가 별도로 체중을 조절하는 방법(이것은 훈련입니다)에 대한 그래프와 같은 사슴과 늑대가 우리는 그들이 자연으로 풀려났다고 말합니다. 이를 바탕으로 자연에서 어떻게 행동할지에 대한 가설을 세울 수 있습니다 %)
훈련하는 동안 다음 유형의 로그가 유지됩니다.
다음과 같이 구성됩니다. 대상 함수가 현재 함수보다 크면 신경망이 파일에 업로드되고 로그의 다음 줄이 기록됩니다. 이것이 귀하의 질문에 대한 답변이라고 생각하지 않지만 다른 통계를 유지하는 데 의미가 없다고 생각합니다.