Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2555
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
Peki sınıf neden doğru tahminde bulunmuyor? Çünkü alıntılar, dağıtım değil, modelin beklediğiyle aynı değildir. Ve doğru dağıtımdan alıntılar yaparsanız, muhtemelen iyi olacaktır.
bir dene öyle yaptığımı ya da puanladığımı hatırlamıyorum, benzer bir düşünce varmış gibi geldi bana
ama büyük ihtimalle geçmişle gelecek arasında bir bağlantı yok. Onlar. n çubukların gelecekteki durumunu tahmin etmek o kadar kolay değildir ve 1-2 adım ilerisinden daha zor olabilir.bir dene öyle yaptığımı ya da puanladığımı hatırlamıyorum, benzer bir düşünce varmış gibi geldi bana
ama büyük ihtimalle geçmişle gelecek arasında bir bağlantı yok. Onlar. n çubukların gelecekteki durumunu tahmin etmek o kadar kolay değildir ve 1-2 adım ilerisinden daha zor olabilir.Gelecekte modelin de çalışması gerektiğini varsayarsak), her zaman çeşitli türlerde (gürültü dahil) hatalar olacağını varsayarsak, görev bir denge bulmaktır. Yani temelde aynı şey.
aslında ben bu sorunu farklı bir şekilde çözüyordum o yüzden yönlendirici sorular yazıyorum
Küresel bir bakış açısıyla bakarsanız, size katılıyorum. Sonuç olarak hangi algoritma setinin alındığı önemli değildir - onu kullanırken ortaya çıkan sorunlar her zaman aynı olacaktır.
Bu arada, fxsaber tarafından bugün blogunda biraz benzer bir fikir (tipik olmayan gösterge değerlerine sahip işlemlerin atılması) dile getirildi.
Küresel bir bakış açısıyla bakarsanız, size katılıyorum. Sonuç olarak hangi algoritma setinin alındığı önemli değildir - onu kullanırken ortaya çıkan sorunlar her zaman aynı olacaktır.
Bu arada, fxsaber tarafından bugün blogunda biraz benzer bir fikir (tipik olmayan gösterge değerlerine sahip işlemlerin atılması) dile getirildi.
Tamamen katılıyorum. Koridorun dinamik genişliğe sahip dalgalanmaları, tahminde denge seçimini ve olasılığını gerektirir.
Yeni başlayanlara söyleyin, bir test cihazında/optimizerde bir Uzman Danışmanın optimizasyonu bir MO mudur?
Optimizasyon en çok bir sinir ağı öğrenme sürecine benzer.
Önceden, en alakalı setleri elde etmek için optimizasyon otomasyon çözümleri bile vardı.
Model seçimi konulu ders
bir yanlış anlaşılma olmasın diye, tabiri caizse
Yeni başlayanlara söyleyin, bir test cihazında/optimizerde bir Uzman Danışmanın optimizasyonu bir MO mudur?
MO sadece bir algoritma koleksiyonudur. Bazıları için test optimizasyonu oldukça uygundur. Örneğin, KNN'de optimal K'yi bulmanız gerekiyorsa. Ancak çoğu algoritmanın kendine özgü optimizasyon yöntemi vardır. Örneğin, sinir ağlarında gradyan inişi.
Genel olarak cevap, belirli bir modelin verilen optimizasyon algoritmalarına (numaralandırma ve genetik optimizasyon) uyum sağlama yeteneğine bağlıdır.
Model seçimi konulu ders
yanlış anlaşılma olmasın diye tabiri caizse
Vorontsov muhtemelen Rusya'daki en iyi MO uzmanıdır. Bu nedenle kurs iyi olmalı, ancak BT çalışanları için olduğu için, bizim için temel ve önemli matematik burada atlanmıştır. Ticarette matematiksel yöntemlerin uygulanması için temel, basitleştirilmiş biçimlerinin nadiren uygun olduğunu defalarca fark ettim.
ML, tahmin edicilerin ve P(X,Y) yanıtlarının değişmez bir ortak dağılımı olduğu varsayımına dayanır (örneğin Tibshirani'ye bakınız). Buradan, Y=f(X) regresyonunun hesaplanabileceği koşullu olasılık Py(Y|X) hesaplanabilir. Sonuç olarak, bu regresyon herhangi bir MO modeli tarafından yaklaştırılır. Fiziksel dünyada, bu teori az çok işe yarar. Ama ticarette değil. P(X,Y)'nin zamanla (durağan olmama) öngörülemeyen bir şekilde değiştiği ve tüm teorinin biraz çöktüğü ortaya çıktı.
Bir şekilde teorinizi oluşturmalısınız ve işte zaten - kim ilgileniyor) En yaygın yaklaşım, durağanlığı görmezden gelmek ve ardından sonuçlara şaşırmak ve MO hakkında şikayet etmektir)