Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 57
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Ne de olsa Duc, potansiyel fazla takmayı önlemek gerektiğinden stabilite elde edilir. Ve dengesiz bir eğitim seti, temsili olmayan sınıflar için fazla uydurmanın potansiyel bir nedenidir. Sonuçta, öğrenme algoritması, genelleme yeteneğini artırmak için gerekli değil, kendisi için daha kolay gibi davranmaya çalışır. Örnek dengesizse, en az temsili sınıflarda öğrenme hatalarını en aza indirecektir, çünkü bu tür sınıflar için çok az örnek var ve bunları genellemek yerine ezbere öğrenmek en kolayı. Böyle bir tıkanıklıktan sonra, eğitim örneğinin dışında, temsili olmayan sınıflardaki algoritma hatalarının büyük olasılıkla olacağına şaşıracak bir şey yoktur.
Düşünce basit. Gerçek hayatta hiç kimse, gerçek ticaretin kalitesini değerlendirmek için gelecekten gözlemler içeren karışık bir örnek almanıza izin vermez. Tüm gözlemler x gününden sonra gidecek.
Bu nedenle, doğrulama sırasında karışık bir örnek alarak (tarihlere göre ayırmadan), doğrulama için kalite metriğini olduğundan fazla tahmin edersiniz. Bu kadar. Sonra hoş olmayan sürprizler olacak.
Peki ya düşünce? Düşünceler özneldir. Hem doğru hem de açıkça yanlış düşünmek mümkündür. Çünkü hayal gücünü sınırlamak sorunludur. Gerçeğin ölçütü her zaman deneyimdir.
Biri önceden dengelenmiş ve diğeri aşırı derecede dengesiz olmak üzere iki eğitim örneği alın. Algoritmayı her iki örnek üzerinde eğitin ve test parçalarındaki genelleme yeteneğini ölçün. Sonra genelleme yeteneklerini karşılaştırın. En iyi genelleme kabiliyetini veren ve doğruluk ölçütü olacak seçenek.
Aksi takdirde, ivme kaybedene kadar düşünecek ve tahminde bulunacağız. Gerçekten de, anlaşmazlıklar anlaşmazlıklardan doğar ve gerçek deneyimden doğar.
Bu nedenle, eğitim numunesi dengesi konusunun daha fazla tartışılmasıyla bağlanıyorum. Aksi takdirde, bu holivar süresiz olarak devam ettirilebilir, çünkü. iki farklı görüş var ve hangimizin daha doğru düşündüğü konusunda ölçülmeye devam etmek zaman kaybıdır.
Sonuçta Duc, aşırı takmayı önlemek için gerekli olduğu için stabilite elde edilir. Ve dengesiz bir eğitim seti, temsili olmayan sınıflar için fazla uydurmanın potansiyel bir nedenidir. Sonuçta, öğrenme algoritması, genelleme yeteneğini artırmak için gerekli değil, kendisi için daha kolay gibi davranmaya çalışır. Örnek dengesizse, en az temsili sınıflarda öğrenme hatalarını en aza indirecektir, çünkü bu tür sınıflar için çok az örnek var ve bunları genellemek yerine ezbere öğrenmek en kolayı. Böyle bir tıkanıklıktan sonra, eğitim örneğinin dışında, temsili olmayan sınıflardaki algoritma hatalarının en olası olmasına şaşıracak bir şey yoktur.
1. Dengesiz sınıflarda, genel olarak, şeytan şu şekilde ortaya çıkar: sınıflar arasındaki hata zaman zaman farklılık gösterebilir. Ve hangisi doğru?
2. Sınıfları dengelemek her zaman mümkün değildir.
AL|SAT ile örneğiniz. 3000'in üzerindeki gözlem sayısı (bar) ile dengesizlik farkı %10 maksimum %20 olacaktır. Dengelemek oldukça mümkündür.
Ve burada yukarıda Dr.Trader "ters/geri dönüş yok" hedef değişkenini önerdi. ZZ'den alınmış gibi. Dolayısıyla böyle bir hedef değişkende, sınıfların dengesizliği büyüklük sıralarına göre farklılık gösterecektir. Maksimum sınıfa eklersek, böyle dengeli bir örnek üzerinde öğretmek mümkün müdür? Bana öyle geliyor ki hayır.
Yani dengeleme o kadar kolay değil.
Kendi deneyimimden:
Başka çözüm bulunamadı.
Şimdi her şeyden vazgeçeceğim, yüzümde ciddi bir kupa ile tsifiri oynamak için R ustası olacağım.
Rakamlarla oynadığınızı fark edene kadar, ama yüzleri bilmiyorum - görünmez.
Peki ya düşünce? Düşünceler özneldir. Hem doğru hem de açıkça yanlış düşünmek mümkündür. Çünkü hayal gücünü sınırlamak sorunludur. Gerçeğin ölçütü her zaman deneyimdir.
Biri önceden dengelenmiş ve diğeri aşırı derecede dengesiz olmak üzere iki eğitim örneği alın. Algoritmayı her iki örnek üzerinde eğitin ve test parçalarındaki genelleme yeteneğini ölçün. Sonra genelleme yeteneklerini karşılaştırın. En iyi genelleme kabiliyetini veren ve doğruluk ölçütü olacak seçenek.
Aksi takdirde, ivme kaybedene kadar düşünecek ve tahminde bulunacağız. Gerçekten de, anlaşmazlıklar anlaşmazlıklardan doğar ve gerçek deneyimden doğar.
Bu nedenle, eğitim numunesi dengesi konusunun daha fazla tartışılmasıyla bağlanıyorum. Aksi takdirde, bu holivar süresiz olarak devam ettirilebilir, çünkü. iki farklı görüş var ve hangimizin daha doğru düşündüğü konusunda ölçülmeye devam etmek zaman kaybıdır.
Ben bir şeyden bahsediyorum, sen başka bir şeyden bahsediyorsun. Kümeyi kesinlikle tarihlere göre bölmek gerekiyor diyorum. Dengeden mi bahsediyorsun?
Üzgünüm ama bu holivar'ı sürdürmenin bir anlamı olmadığını zaten söyledim. Daha önce örneklerle denge eksikliğini açıklamaya çalıştım. Muhtemelen çok inandırıcı değil mi? Yüzümde ciddi bir kupa varken siyahı beyaz gibi gösterecek kadar güçlü değilim. O yüzden yargılama.
Büyük olasılıkla nedeni, gerçekliği dengelemek için sizi sözde "zorlamaya" çalıştığıma beni ikna etmeye çalışmanızdır? Ama benim öyle bir niyetim yok. Gerçekliğin ve ne yazık ki, çoğu zaman dengesiz olduğunu ve onu dengeleme olanaklarının her zaman mevcut olmadığını biliyorum. Bu nedenle, eğitim örneğinin dışında gerçeği dengelemeye çalışmanın gerekli olmadığını, ancak eğitim örneğini dengelemek için gerekli ve yeterli olduğunu yazılarımda size açıklamaya çalıştım, böylece ondan elde edilen modelin eğri olmaması için. son derece temsili sınıflar. Genel numuneyi tarihlere göre parçalara bölerken, bir denge sağlamak da çoğu zaman imkansızdır. Bu nedenle, eğitim örneğini tarihlere göre değil, içindeki sınıfların eşit temsiline göre dengeliyorum.
Eğitim örneğini dengeleme hakkında daha fazla soruya cevap vermeyeceğim. Yani bu holivar çoktan sürüklendi.
Üzgünüm ama bu holivar'ı sürdürmenin bir anlamı olmadığını zaten söyledim. Daha önce örneklerle denge eksikliğini açıklamaya çalıştım. Muhtemelen çok inandırıcı değil mi? Yüzümde ciddi bir kupa varken siyahı beyaz gibi gösterecek kadar güçlü değilim. O yüzden yargılama.
Büyük olasılıkla nedeni, gerçekliği dengelemek için sizi sözde "zorlamaya" çalıştığıma beni ikna etmeye çalışmanızdır? Ama benim öyle bir niyetim yok. Gerçekliğin ve ne yazık ki, çoğu zaman dengesiz olduğunu ve onu dengeleme olanaklarının her zaman mevcut olmadığını biliyorum. Bu nedenle, eğitim örneğinin dışında gerçeği dengelemeye çalışmanın gerekli olmadığını, ancak eğitim örneğini dengelemek için gerekli ve yeterli olduğunu yazılarımda size açıklamaya çalıştım, böylece ondan elde edilen modelin eğri olmaması için. son derece temsili sınıflar. Genel numuneyi tarihlere göre parçalara bölerken, bir denge sağlamak da çoğu zaman imkansızdır. Bu nedenle, eğitim örneğini tarihlere göre değil, içindeki sınıfların eşit temsiline göre dengeliyorum.
Eğitim örneğini dengeleme hakkında daha fazla soruya cevap vermeyeceğim. Yani bu holivar çoktan sürdü.
Bütünlük adına müdahalede bulunmak ve şube ile ilgili yukarıda belirttiğim görüşlerimi tekrarlamak istiyorum.
1. İki veri setine sahip olmak gereklidir: ikincisi, ilkinin zaman içinde devamıdır.
2. İlk veri setini dengeliyoruz. Dengeye ihtiyacımız var.
3. İlk veri seti rastgele üç bölüme ayrılmıştır: eğitim, test ve doğrulama.
4. İlk setin süre olarak devamı olan ikinci sette hata alıyoruz.
Tüm DÖRT kümelerdeki hata yaklaşık olarak aynıysa, model fazla takılmamıştır. Hatanın iyi bir değeri varsa, güvenle daha ileri gidebilirsiniz, yani. test cihazından geçirin.
Önemli bir fark varsa (%30'dan fazla), orijinal tahmin ediciler seti modelin yeniden eğitilmesine yol açar ve kişisel deneyime göre model türünü değiştirmek, yeniden eğitim anlamında hiçbir şeyi düzeltemez. Gürültü tahmincilerinden kurtulmamız gerekiyor. Öngörücüler arasında HİÇBİR GÜRÜLTÜ öngörücünün olmadığı kolayca ortaya çıkabilir.