Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3275
![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
Bazı nedenlerden dolayı hobinizin en büyüleyici olduğunu düşünüyorsunuz.
Haklısın.
Herkesin kendine.
Ama ben de kendimle ilgileniyorum.
Ama neden aynı kazığın üzerine basayım ki?
Buradaki araştırmanın olumlu sonuçlarını hissedeceğim ve bu alandaki yerleşik uzmanlara memnuniyetle katılacağım.
Ancak, düşünce hataları çıplak gözle görülebilir.
Ve gerçekten kısa sürede beklenen sonuca ulaşmak için doğru yönde ilerlemenizi istiyorum.
stratejilerin ansables hakkında
https://buildalpha.wordpress.com/2018/11/20/buildalpha-ensemble-strategies-reduce-overfitting-by-combining-strategies/
----------------------------------------
Yani ihtiyacınız olan tek şey bir stratejinin yeni veriler üzerinde çalışıp çalışmayacağını bilmek için bir strateji yeniden eğitim metriğidir, diğer her şey çözülebilir....
----------------------------------------
Aşırı antrenmanı tespit etmek için birkaç yaklaşım kullanma fikri var, benimki auto.arima, Prado "PBO" ya dayanıyor. Başka bir şey mümkün, tahmin ediciler olarak atıp AMO'ya aşırı eğitim olasılığını tahmin etmeyi ve bunu bir metrik haline getirmeyi öğretin.
Alternatif olarak.
Bir stratejinin yeni veriler üzerinde çalışıp çalışmayacağını bilmek için strateji yeniden eğitim metriği.
Kase kelimesinin başka bir çeşidi mi? :-) "gelecekte işe yarayıp yaramayacağını bilmek"
kase kelimesinin başka bir ifade biçimi mi? :-) "gelecekte işe yarayıp yaramayacağını bilmek için"
Kesin değilim, örneğin dürüst bir olasılığa ihtiyacımız var - %69 olasılıkla yeni veriler üzerinde çalışacağız.
p-hacking ve stratejileri hakkında
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
İzin verirseniz, böylesine ilginç ve önemli bir konuya katkıda bulunmak istiyorum.
Makine öğrenimi ,ML, karakteristik özelliği bir problemin doğrudan çözümü değil, bir dizi benzer probleme çözüm uygulayarak öğrenme olan bir yapay zeka yöntemleri sınıfıdır. Bu tür yöntemleri oluşturmak için matematiksel istatistik araçları, sayısal yöntemler, matematiksel analiz, optimizasyon yöntemleri, olasılık teorisi, grafik teorisi ve dijital formdaki verilerle çalışmak için çeşitli teknikler kullanılır.
P.Z.
P.Z.
burada en önemli şey çok kelime yazmamak, zaten aramaktan o kadar yorulduk ki 1-2 cümle okunmayacak
p-hacking ve stratejileri hakkında
https://mathinvestor.org/2019/04/p-hacking-and-backtest-overfitting/
Yani strateji optimizasyonu veya öğrenme şöyle bir şeye benzemelidir:
burada ortalama puan, çapraz doğrulama kullanıldığında elde edilen sonucun benzeridir
Dolayısıyla bir stratejiyi veya eğitimi optimize etmek şuna benzer bir şey olmalıdır:
Burada ortalama puan, çapraz doğrulama kullanıldığında elde edilen sonucun benzeridir