Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3378

 
fxsaber #:

Não é lógico! Os conjuntos dependem do FF, por exemplo.

O FF não é nada, nada depende dele. Ele apenas combina as entradas com as saídas desejadas. Não vejo o que isso tem a ver com robustez.

Esqueci que no otimizador você não pode definir as transações como quiser, provavelmente por isso há muita preocupação com o FF e com sua aparência especial ou significado sagrado :).
 
Renat Akhtyamov #:

rolando a tela para baixo até o equilíbrio.

Estou exatamente da mesma forma
 
Maxim Dmitrievsky #:
FF não é nada, nada depende dele.
Provavelmente um mal-entendido terminológico. Mas a recepção do arco-íris é palpável.
 
fxsaber #:
Provavelmente um mal-entendido terminológico. Mas a recepção do arco-íris foi perspicaz.
ou a pergunta foi feita incorretamente
Muitas pessoas, por algum motivo, acreditam que foram a uma sessão com um vidente ou psicólogo :)
Há outra categoria que acredita piamente que a opinião é muito importante
 
Maxim Dmitrievsky #:
O FF não é nada, nada depende dele. Ele apenas combina as entradas com as saídas desejadas. Não vejo o que isso tem a ver com robustez.

Fitness function - tradução literal "função de saúde", ou função de aptidão, função de adaptabilidade. Ou seja, é uma forma de avaliar algumas ações individuais ou o modelo inteiro. Também chamada de função de avaliação, ela é aplicada integral ou separadamente a elementos individuais do sistema na forma de métricas.

Em estatística: robustez (de robusto - "forte", "forte", "firme", "estável") - uma propriedade de um método estatístico que caracteriza a independência da influência de vários tipos de outliers no resultado do estudo, resistência à interferência. Método robusto - um método que visa identificar outliers, reduzir sua influência ou excluí-los da amostra.

Conforme aplicado ao MO e à negociação, a robustez é a capacidade de um modelo (ou TS) de demonstrar indicadores em novos dados, indicadores semelhantes aos da "amostra de treinamento".

Para avaliar a robustez de um modelo, são usadas várias métricas, pontuações e funções de influência, ou seja, é usada a função de adequação.

Em outras palavras, a função de adequação é uma caracterização descritiva do que é necessário obter. Se o objetivo for obter um modelo robusto, precisaremos estimar a robustez e compor uma função de adequação da robustez. Precisamos da máxima robustez possível (confiabilidade, estabilidade), portanto, precisamos dessa característica descritiva, função de adequação, cujo máximo corresponderá à máxima robustez.


Espero que agora esteja claro para todos como a função de adequação está relacionada à robustez.

Exemplos de funções de adequação:

Média das notas em uma escola. Pode ser aplicada como uma nota média normal ou ponderada, como em alguns países.

Aceleração centrífuga máxima permitida como uma estimativa no projeto de estradas, inclusive ferrovias.

Em seguida, como lição de casa, você pode continuar os exemplos de funções de adequação por conta própria, para entender o que é e para que serve.

 

A atitude negativa em relação às noções de otimização e funções de adequação deve-se ao fato de que o uso de funções de adequação muito simples, como o equilíbrio, é amplamente praticado. Esse é um exemplo de como a função de adequação "equilíbrio final" escolhida como avaliação não caracteriza de forma alguma a robustez do TS.

A função de adequação é um método de avaliação, ninguém e nada proíbe o uso de qualquer método, não apenas aqueles que foram dados por padrão pelos tios.

 
fxsaber #:

A natureza da curva de lucro não muda com o OOS: Size(OOS_Left) = Size(OOS_Right) = Size(Sample). Em geral, um resultado que não pode ser ignorado.

Provavelmente são necessários testes de estresse))))) Modelagem de cisnes negros para TC)

 
Andrey Dik #:

A função de adequação é uma tradução literal de "função de saúde", ou função de adequação, função de adaptabilidade. É uma maneira de avaliar algumas ações individuais ou todo o modelo. Também é chamada de função de avaliação, aplicada integral ou separadamente a elementos individuais do sistema na forma de métricas.

Em estatística: robustez (de robusto - "forte", "forte", "firme", "estável") - uma propriedade de um método estatístico que caracteriza a independência da influência de vários tipos de outliers no resultado do estudo, resistência à interferência. Método robusto - um método que visa identificar outliers, reduzir sua influência ou excluí-los da amostra.

No caso de MO e negociação, a robustez é a capacidade de um modelo (ou TS) de demonstrar indicadores em novos dados, indicadores semelhantes aos da "amostra de treinamento".

Para avaliar a robustez de um modelo, são usadas várias métricas, pontuações e funções de influência, ou seja, é usada a função de adequação.

Em outras palavras, a função de adequação é uma caracterização descritiva do que é necessário obter. Se o objetivo for obter um modelo robusto, precisaremos estimar a robustez e compor uma função de adequação da robustez. Precisamos da máxima robustez possível (confiabilidade, estabilidade), portanto, precisamos dessa característica descritiva, uma função de adequação, cujo máximo corresponderá à máxima robustez.


Espero que agora esteja claro para todos como a função de adequação está relacionada à robustez.

Exemplos de funções de adequação:

Média das notas em uma escola. Pode ser aplicada como uma nota média normal ou ponderada, como em alguns países.

Aceleração centrífuga máxima permitida como uma estimativa no projeto de estradas, incluindo ferrovias.

Em seguida, como lição de casa, você pode continuar os exemplos de funções de adequação por conta própria, para entender o que é e para que serve.


Teórico! Você leu os livros errados e está enchendo o tópico com coisas fora do assunto!

Aqui estão exemplos de funções de adequação específicas:

ada(x, y,test.x,test.y=NULL, loss=c("exponential","logistic"),
                      type=c("discrete","real","gentle"),iter=50, nu=0.1, bag.frac=0.5,
                      model.coef=TRUE,bag.shift=FALSE,max.iter=20,delta=10^(-10),
                      verbose=FALSE,...,na.action=na.rpart)

Aqui está outro para NS

nnet(x, y, weights, size, Wts, mask,
     linout = FALSE, entropy = FALSE, softmax = FALSE,
     censored = FALSE, skip = FALSE, rang = 0.7, decay = 0,
     maxit = 100, Hess = FALSE, trace = TRUE, MaxNWts = 1000,
     abstol = 1.0 e-4, reltol = 1.0 e-8, ...)

Tudo está escrito, você só precisa aprender a usá-lo. E se você aprender a usar os pacotes do R, não poderá escrever bobagens como "como a função de aptidão está relacionada à robustez" - a robustez no MO é um problema separado e muito sério.

Comece a usar o R e tudo se encaixará e você surpreenderá o público local com exemplos de classificação com menos de 20% de erro e "robustez " fora do arquivo de treinamento.

 
Os termos vagamente definidos são mal)))))