Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 89
![MQL5 - Linguagem para estratégias de negociação inseridas no terminal do cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
O controle deslizante é para fans)))) e o fato de que somente neste caso o modelo é adequado é enganoso.
Mas isso é tudo um disparate, cada um tem as suas peculiaridades-necessidades em fases diferentes, também se pode acrescentar.
Eu quis dizer % de saída tanto para geral como para teste (teste = OOS - aplicação da fórmula a novos dados)
Um plus de aplicações de janela, na sua rápida usabilidade. É possível fazer uma concha normal,
Reshetov é um programador experiente, por isso deve ser feito de uma forma normal. E é tudo. Tudo imho, claro.
Quando a seleção de um bom modelo em uma amostra dá bons resultados fora da amostra significa que o modelo é adequado para o problema escolhido.
Mais uma vez, para aqueles que são particularmente dotados: se um modelo passa na seleção, isso não significa que ele seja potencialmente adequado para o problema escolhido, especialmente em ambientes não-estacionários. Isso só significa que de alguma forma passou na selecção.
Se uma candidata passou nos exames de admissão à universidade, isso não significa que ela irá defender o seu diploma, muito menos que irá posteriormente trabalhar na sua área escolhida.
A seleção apenas reduz a probabilidade de inadequação, mas nem sempre a zero. E não devemos esquecer que os resultados da seleção também podem ser falsos positivos e falsos negativos. Ou seja, há uma probabilidade não nula de que o processo de seleção também tenha jogado "o bebê fora com a água do banho".
Mais uma vez, para os particularmente dotados: se um modelo passa na selecção, não significa que seja potencialmente adequado para o problema escolhido, especialmente em ambientes não estacionários. Isso só significa que de alguma forma passou na selecção.
Se uma candidata for selecionada através dos exames de admissão à universidade, isso não significa que ela irá defender o seu diploma, muito menos que irá posteriormente trabalhar na sua especialidade escolhida.
A seleção apenas reduz a probabilidade de inadequação, mas nem sempre a zero. E não devemos esquecer que os resultados da seleção também podem ser falsos positivos e falsos negativos. Ou seja, há uma probabilidade não nula de que o processo de seleção também tenha jogado "o bebê fora com a água do banho".
Deixe-me explicar novamente para os muito sofisticados.
Todos os resultados são, naturalmente, probabilísticos!
Há resultados de modelos em treinamento, há resultados em validação cruzada ou testes (para pegar os parâmetros do modelo e fazer uma parada de aprendizagem precoce). Há também resultados de modelos fora da amostra - estimativa final.
Se os resultados dos testes se correlacionarem bem com os resultados fora da amostra, significa que a qualidade da modelagem de dependência tem inércia para o período fora da amostra. Neste caso, o melhor modelo em teste (não "fora da amostra") pode ser tomado. Posteriormente, pode-se recriar o modelo em todos os novos dados com parâmetros conhecidos e tomar o melhor modelo, já que a relação com resultados futuros é praticamente estabelecida.
Se os resultados do teste se correlacionam mal com os resultados fora da amostra, não faz sentido pegar o melhor modelo no treinamento. Tirar o melhor modelo em "fora de amostra" é um ajuste. Existe apenas uma saída - rejeitar o método de criação de modelos ou alterar significativamente os intervalos de parâmetros.
"Você poderia sugerir que eles criassem um tópico por uma semana, por exemplo -- uma semana para as pessoas se expressarem -- e depois deixá-los esfregá-lo."
Eu não sei que tipo de hobgoblin inseriu a citação acima no meu post, mas não é o meu post.
Se os moderadores não gostam de algo nos meus postos, é um direito deles. Só não cole o texto de outra pessoa nos meus posts, e aja mais culturalmente: diga o que exatamente eles não gostaram e em seu próprio nome. E eu, para não irritar os moderadores, saio deste site para o meu: o link está no meu perfil.
Adeus a todos!
.
"Você poderia sugerir que eles criassem um tópico por uma semana, por exemplo -- uma semana para as pessoas se expressarem -- e depois deixá-los esfregá-lo."
Eu não sei que tipo de hobgoblin inseriu a citação acima no meu post, mas não é o meu post.
Se os moderadores não gostam de algo nos meus postos, é um direito deles. Só não cole o texto de outra pessoa nos meus posts, e aja mais culturalmente: diga o que exatamente eles não gostaram e em seu próprio nome. E eu, para não irritar os moderadores, saio deste site para o meu: o link está no meu perfil.
Adeus a todos!
.
"Você poderia sugerir que eles criassem um tópico por uma semana, por exemplo -- uma semana para as pessoas se expressarem -- e depois deixá-los esfregá-lo."
Eu não sei que gimmick inseriu a citação acima no meu post, mas não é o meu post.
Se os moderadores não gostam de algo nos meus postos, é um direito deles. Só não cole o texto de outra pessoa nos meus posts, e aja mais culturalmente: diga o que exatamente eles não gostaram e em seu próprio nome. E eu, para não irritar os moderadores, saio deste site para o meu: o link está no meu perfil.
Adeus a todos!
Vou dar uma vista de olhos mais tarde, embora eu ache que fiz alguma porcaria em 4)
Sim, +R é que provavelmente já implementou tudo o que é possível. ML há muito tempo que não uso, mas apenas modelos sem reciclagem. Uma das últimas coisas que eu fiz com o ML foi apenas
encher o modelo de eventos para que eles atinjam sempre o alvo. Se os combinarmos, normalmente ficamos com 93-96%. O resto, você treina. Em outras palavras.
Se você ensinou seu filho a andar um pouco, você não precisa dizer a ele a mesma coisa todos os dias, você só diz a ele quando pular por cima da poça.
(sem previsão no alvo) (um pouco pingando, o alvo não é certamente a cor da vela)))
Um pouco pingando, o alvo não é, obviamente, a cor da vela)))
2 ler sobre o tema da seleção imparcial de um modelo treinado:
http://stats.stackexchange.com/questions/65128/nested-cross-validation-for-model-selection
/go?link=https://stats.stackexchange.com/questions/178174/when-is-nested-cross-validation-really-needed-and-can-make-a-practical-differenc