Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2842

Yeni yorum
 
Aleksey Nikolayev #:

Siz de aslında optimizasyon yapıyorsunuz. Bir "özelliklerin durağanlığı" kriteri icat ettiniz ve ona göre en uygun özellikleri alıyorsunuz. Tarihte de aynı optimizasyon var ama profilde.

Kesinlikle bir TS sağlamlık kriteri icat etmeli ve ona göre optimizasyon yapmalıyız) Geçmişte yine aynı optimizasyonu elde edeceğiz,ancak farklı bir profilde).

Tolerans açısından harika.

Bir mağazaya gidiyorsunuz, pantolon seçiyorsunuz - bedeninize göre optimizasyon!

Burada tamamen farklı bir şeyden bahsediyoruz - modellerde mevcut optimizasyon algoritmalarının iyileştirilmesi. Ben zaten yerleşik olan optimizasyon algoritmalarının iyileştirilmesine itiraz ediyorum. Test cihazında bir algoritma var - tamam. Bu algoritmanın iyileştirilmesi, tüketen bir algoritmadan karlı bir TS elde etmenize izin vermeyecektir. Aynı şey modellerdeki dahili algoritmalar için de geçerlidir.

Ayrıca, model parametrelerini optimize ederken son derece dikkatli olmalısınız, çünkü modeli kolayca yeniden eğitebilirsiniz.

En önemli düşünceye ulaştım: optimizasyon ve modelin aşırı eğitilmesi arasındaki şüphesiz bağlantı. Model her zaman oldukça "kaba" bırakılmalı ve kesinlikle global optimumlara ihtiyaç duyulmamalıdır.


Kabul edilebilir bir tahminci listesi ararken - pantolon anlamında optimizasyon. Ancak anlamı oldukça farklıdır: "çöp içeri - çöp dışarı" dan kaçınmaya çalışmak. Burada küresel optimumu bulan "doğru" algoritmayı bulmaya çalışmaktan niteliksel bir fark vardır. Hiçbir küresel optimum, çöp konusunda karlı bir TS vermeyecektir.

 

Maxim Vladimirovich, kuantum kümelenmesi hakkında ne düşünüyorsunuz?

https://github.com/enniogit/Quantum_K-means

 
Aleksey Nikolayev #:

"Optimizasyon" kelimesi forumumuzda malum nedenlerden dolayı kötü bir üne sahip. Bu nedenle, bir şekilde ondan uzak durmak ve hatta kelimenin kendisini bile kullanmamak istememiz oldukça anlaşılabilir bir durumdur. Bununla birlikte, bir MO modelinin herhangi bir eğitimi neredeyse her zaman bir optimizasyondur, bu yüzden kelimeleri bir şarkıdan çıkaramazsınız.

Kimseyi incitmek, onlara hayatı öğretmek veya nasıl iş yapılacağını açıklamak istemiyorum) Sadece metaquotes'un MO'yu MT5'te uygularken açıklamalarımı dikkate alacağına dair zayıf bir umutla yazıyorum.


Dilimden döküldüğü gibi... "Optimizasyon" kavramına karşı gerçekten olumsuz bir tutum var.
Sadece modelin (TS) birincil, optimizasyonun ikincil olduğunu her zaman hatırlamak gerektiğini eklemek isterim. model çalışmazsa, optimizasyon sağlamlık katmayacaktır.
Gerçekte, çok çeşitli parametrelerde çalışan TS'ler vardır. Ancak bu tür sistemlerde bile, sonunda daha yüksek bir ticaret sonucu verecek optimum parametreler vardır. yani, optimizasyon tanımı gereği modeli kötüleştiremez.
Bir alım satım sistemi oluştururken, ilk etapta model, ikinci etapta değerlendirme kriterleri önemlidir ve ancak ondan sonra optimizasyon gelir. bunun tersi temelden yanlış olur.
Eğer birisi optimizasyonun kötü olduğunu söylüyorsa, bu onun sıralamayı yanlış yaptığı anlamına gelir.
Sadece yukarıdakileri anlayarak, nasıl olursa olsun, optimizasyon olmadan MO'ya ulaşmanın imkansız olduğu anlaşılabilir.
Bir paket olarak test cihazı ve optimize edici, kullanıcıların lanet bir şey yapmaları ve optimizasyondan sonra bu saçmalığın karlı olacağını düşünmeleri gerçeğiyle ün kazanmıştır. hayır, olmayacak, bu yüzden lanet bir şey olacak. bu, ME'de Uzman Danışmanlar oluşturmanın kolaylığı ve teslimatta hazır varyantların mevcudiyeti ile kolaylaştırılmıştır. ancak aynı zamanda, çalışma kümeleri kümeleri oluşturma stratejisini değerlendirmek için pratikte hiçbir araç yoktur. iyi olan şey, µl'nin bu boşluğu tamamen doldurmasıdır.
Yukarıdakileri özetlemek gerekirse şu sonuca varabiliriz: optimizasyon algoritmaları başarılı insanları daha da başarılı (bu insan faaliyetlerinin her alanı için geçerlidir) ve ne yazık ki mutsuz insanları daha da mutsuz yapacaktır. nedeni basit - yanlış belirlenmiş öncelikler.
Formula 1 arabaları bile dikkatlice optimize ediliyor, neden? neden? çünkü bu arabalar oldukları gibi iyiler))) cevap basit, arabanın sürücüsünün kullanıcı kriterlerine göre optimize ediliyorlar. arabaların genel özellikleri aynı olsa da, ayarlama arabayı ayarlamanıza izin verir, örneğin hızlanma eğrisinde, başka bir sürücü düz bir çizgide daha yüksek bir hızı tercih edecektir. arabaların sürücülerinden hiçbiri "optimizasyon boktan!, ne halta ihtiyacım var, varsayılan olarak kullanacağım!" - aksi takdirde kaybedersiniz, aç çocuklarınız, kızgın bir eşiniz ve başarısızlığın diğer tüm zevkleri olur.

Dolayısıyla başarı için gerekli sıralama: araç (TC) - ayarlama kriterleri (TC'nin değerlendirme kriterleri) - optimizasyon.
Prensipte başka hiçbir doğru sıralama mümkün değildir.
 
Ayrıca, optimizasyon algoritmalarının her şeyden önce arama algoritmaları olduğunu, birçok insanın düşündüğü gibi sadece MASK parametrelerini aramak için kullanılmadığını da eklemek isterim.
Çok daha karmaşık ve önemsiz olmayan şeyler yapabilirsiniz.
 
Andrey Dik #:

Yani, optimizasyon tanımı gereği modeli bozamaz.

Bu otomatik kontrol sistemleri için doğrudur, ancak durağan olmayan süreçlere sahip finansal piyasalarda çalışan modeller için kesinlikle doğru DEĞİLDİR. "Aşırı eğitim" adı verilen böyle bir kötülük, mutlak bir kötülük vardır. Bu, herhangi bir modeli tamamen çalışamaz hale getiren ana kötülüktür (girdi saçmalığından sonra). İyi bir model her zaman alt-optimal olmalıdır, gerçekliğin bir miktar kabalaştırılması. Bence modelin aşırı eğitilmesine özel bir katkıda bulunan şey küresel optimumdur.

 
bir başka önemli nokta.
ne kadar az parametre olursa, model o kadar iyi sonuç verir.
model - kriter - optimizasyon,
Serbestlik derecesi arttıkça, ki bu kötü bir durumdur, kriterlerin veya kriter parametrelerinin sayısının artması, tam tersine, modelin serbestlik derecesini azaltır ve bir tür "sınır" görevi görür.
AO parametrelerinin sayısına gelince, çok sayıda ayarlama olasılığının dezavantajlarından bahsediyorum, çünkü bu AO'nun pratik uygulamasını zorlaştırıyor, ancak ne yaptığını anlayan bir araştırmacının yetenekli ellerinde, optimizasyonun kalitesi ve hızında ek avantajlar elde edilmesine izin veriyor, bir şekilde dolaylı olarak modelin değişkenliğini daha da azaltıyor, eğer çok fazla parametresi varsa. sinir ağlarında genellikle durum böyledir.
 
СанСаныч Фоменко #:

Otomatik kontrol sistemleri için doğru fikir, ancak durağan olmayan süreçlere sahip finansal piyasalarda çalışan modeller için kesinlikle doğru DEĞİL. "Aşırı eğitim" adı verilen bir kötülük, mutlak bir kötülük vardır. Bu, herhangi bir modeli tamamen çalışamaz hale getiren ana kötülüktür (girdi saçmalığından sonra). İyi bir model her zaman alt-optimal olmalıdır, gerçekliğin bir miktar kabalaştırılması. Bence modelin aşırı eğitimine özel bir katkı yapan şey küresel optimumdur.


Aşırı eğitim, optimizasyonun yanlış kullanımının bir sonucu değil, model değerlendirme kriterinin yanlış seçiminin bir sonucudur. hata optimizasyondan ÖNCE yapılmıştır. ve zincirin ilk elemanında bile - modelin boktan olması oldukça olasıdır.
modelin biraz az eğitimli olması gerektiğini söylemek, iyi eğitim almamış bir kazmacı veya cerrah kadar yanlıştır. ya kazmacıyı ya cerrahı ya da öğretmenlerini suçlamalısınız, öğrenme (iyileştirme, optimize etme) olasılığını değil.
Durağan olmamakla suçlamak da yanlıştır ve optimizasyonu da beraberinde getirir. bu, araştırmacının durağan olmayan bir seri için iyi bir modele sahip olmadığı anlamına gelir.
 
Okuyucuyu acı gerçeklerle yüzleştirerek birilerini kırdıysam özür dilerim.
 

Farklı bağlamlara sahip kavramların kullanıldığı görülmektedir.

Örneğin, "plato", modelin mantığını etkileyen dış faktörleri elde etme yolunun oldukça geniş bir ayar aralığıdır. Örneğin, tahmin edicinin yapıldığı temelde mashka'nın geniş bir verimlilik aralığı.

Burada tartışılan MO algoritmalarıyla optimizasyon, karar mantığının oluşturulmasıyla ilgiliyken, strateji test cihazındaki optimizasyon genellikle girdi verilerinin ayarlanmasıyla ilgilidir, karar mantığı zaten önceden belirlenmiştir ve en iyi ihtimalle değişkenliğe sahiptir.

İki optimizasyon türü farklıdır - biri uzayı, diğeri ise uzaydaki ilişkileri değiştirir.

Şimdi ilk olarak neyin ayarlanacağını merak ettim - işaretler/tahmin ediciler mi yoksa bir model aramak ve daha sonra terminal optimizatörde optimum ayarları aramak mı? Bununla birlikte, çok fazla girdi verisi varsa ayarları aramak son derece zordur.

Eğitim sırasında alanı ve mantığı aynı anda değiştirmek mümkün mü, belki de bunu nasıl yapacağımızı düşünmeliyiz?

SanSanych Fomenko, örnekleme beklemeli miyiz?

 
Andrey Dik #:

aşırı eğitim, optimizasyonun yanlış kullanımının bir sonucu değil, model değerlendirme kriterinin yanlış seçiminin bir sonucudur. hata optimizasyondan ÖNCE yapılmıştır. ve zincirin ilk öğesinde - modelin boktan olması oldukça olasıdır.
modelin biraz az eğitimli olması gerektiğini söylemek, iyi eğitim almamış bir istihkamcı veya cerrah kadar yanlıştır. istihkamcıyı veya cerrahı ya da öğretmenlerini suçlamak gerekir, öğrenme (iyileştirme, optimize etme) olasılığını değil.
Durağan olmamakla suçlamak da yanlıştır ve optimizasyonu da beraberinde getirir. bu, araştırmacının durağan olmayan bir seri için iyi bir modele sahip olmadığı anlamına gelir.

Anlıyorum. Makine öğrenimi modelleri ile yüzeysel bir tanışıklığınız var.

Zincirin ilk unsuru, emeğin %50 ila %70'ini alan ön işlemedir. Gelecekteki başarının belirlendiği yer burasıdır.

Zincirin ikinci unsuru, modelin eğitim seti üzerinde eğitilmesidir.

Zincirin üçüncü unsuru ise eğitilen modelin test seti üzerinde çalıştırılmasıdır. Modelin bu setler üzerindeki performansı en az üçte bir oranında farklılık gösteriyorsa, model yeniden eğitilir. Daha sık olmasa da arada bir başınıza gelebilir. Aşırı eğitilmiş bir model, çok doğru olan bir modeldir. Üzgünüm, temel bilgiler.

1...283528362837283828392840284128422843284428452846284728482849...3399
Yeni yorum