Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3307
![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
Então, ninguém pensou em fazer esses testes?
Eu estava procurando por )
https://www.mql5.com/ru/forum/86386/page1056#comment_8678465
Sim, que época se foi) Que tipo de pessoas eles eram - Shurik, Koldun, ...)
Alexey Burnakov, Dr. Trader...
um vale centenas...
Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).
Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?
A pergunta surgiu depois de ler o artigo de Prado
A questão é que o ótimo pode ser encontrado em 1.000 iterações ou 100, se estivermos falando de otimizar alguns parâmetros do modelo.
Eu disse anteriormente que é muito importante usar uma estimativa que forneça o valor máximo do que você deseja encontrar.
Alexey tropeçou na DQN e não foi adiante, preferindo escrever histórias sobre Valera. O comerciante da DR entrou em contato com Alexander, e este o arruinou, pois o primeiro não tinha opinião.
O único personagem foi Wizard, que claramente entendeu um pouco, mas estava muito nervoso e, quando percebeu que estava prestes a ser pego, fugiu.
É interessante notar que todos escreveram em R, de modo que não conseguiram nada, pois o R destrói a menteA superaprendizagem decorre da memorização de fenômenos raros. Esses fenômenos são isolados de forma puramente estatística, pois não há um modelo que descreva a causa e o efeito.
Ao mesmo tempo, uma perda nem sempre significa que o modelo está treinado em excesso.
A questão é que o ideal pode ser encontrado em 1.000 iterações e em 100, se estivermos falando de otimização de alguns parâmetros do modelo. Com o aumento do número de iterações, a probabilidade de encontrá-lo simplesmente aumenta.
Eu disse anteriormente que é muito importante usar uma estimativa que forneça o valor máximo do que você deseja encontrar.
Você nem mesmo entende a essência da minha pergunta
Você nem sequer entendeu a essência da minha pergunta
Eu estava falando de uma coisa, Alexei de outra.
E não esperava que meu pensamento fosse levado ao pé da letra.
Imagine que o conjunto de parâmetros de que você precisa existe em um conjunto completo de todas as variantes. Agora, pense em qual deve ser a estimativa, de modo que, em qualquer número de iterações, seja possível encontrar apenas e exatamente esse conjunto... Se o ajuste aumentar com o crescimento das iterações, isso significa que não é o conjunto que está localizado incorretamente, mas a estimativa incorreta que está sendo usada.
Eu estava falando de uma coisa, Alexei estava falando de outra.
E ambos sobre a coisa errada.
Leia o artigo, depois o problema dos testes múltiplos e, em seguida, minha pergunta novamente.
de modo que, com qualquer número de iterações, você possa encontrar apenas esse conjunto.
Canção antiga!
Ninguém precisa desse conjunto. E a otimização no testador está procurando exatamente esse conjunto único, e um grande número de "otimizadores" está satisfeito com esse conjunto único de parâmetros sem prestar atenção ao "diagrama bidimensional", por meio do qual você pode tentar encontrar um conjunto de conjuntos, ou seja, encontrar um platô, não um máximo.
E o conjunto ideal, que no diagrama bidimensional se parece com uma ilha verde entre quadrados pálidos ou brancos, indica supertreinamento, ou seja, alguma particularidade, que é muito ideal, mas que nunca será encontrada novamente, é retirada, o que é chamado de supertreinamento.
E ambos são sobre a coisa errada.
Leia o artigo, depois o problema dos testes múltiplos e, em seguida, minha pergunta novamente.
Como quiser, não estou insistindo.