Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3380
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
MO'da uygunluk fonksiyonu, optimizasyon yoluyla modeli eğitmek (parametre seçimi) için kullanılır. Ortaya çıkan modeli değerlendirmek için bir metrik(ler) kullanılır. Genellikle metrik uygunluk fonksiyonuyla eşleşmez. Matematiksel açıdan bakıldığında bu, MO'nun olağan tek kriterli optimizasyon probleminden ziyade ÇOK KRİTERLİ bir optimizasyon problemini çözdüğü anlamına gelir.
Geleneksel optimizasyondan bir diğer önemli fark, sabit bir optimizasyon parametreleri setinin sıklıkla bulunmamasıdır. Düzenli bir ağaç için bile bu durum söz konusudur. Matematiksel açıdan bakıldığında bu, sayısal uzayda olağan bir optimizasyon problemi yerine FONKSİYONEL uzayda bir optimizasyon problemine yol açar.
Bu noktaların her ikisi de MO problemlerini geleneksel optimizasyona indirgenemez hale getirir.
MO'da uygunluk fonksiyonu, optimizasyon yoluyla modeli eğitmek (parametre seçimi) için kullanılır. Ortaya çıkan modeli değerlendirmek için bir metrik(ler) kullanılır. Genellikle metrik uygunluk fonksiyonuyla eşleşmez. Matematiksel açıdan bakıldığında bu, MO'nun olağan tek kriterli optimizasyon probleminden ziyade ÇOK KRİTERLİ bir optimizasyon problemini çözdüğü anlamına gelir.
Geleneksel optimizasyondan bir diğer önemli fark, sabit bir optimizasyon parametreleri setinin sıklıkla bulunmamasıdır. Düzenli bir ağaç için bile bu durum söz konusudur. Matematiksel açıdan bakıldığında bu, sayısal uzayda olağan bir optimizasyon yerine FONKSİYONEL UZAYDA bir optimizasyon problemine yol açar.
Bu iki nokta da MO problemlerini geleneksel optimizasyona indirgenemez hale getirmektedir.
Çok kriterli optimizasyon algoritmalarının ayrı bir sınıfı vardır. Ancak, doğru anlaşıldığı takdirde, çok kriterli optimizasyon ek sınır koşullarına ve ayrı değerlendirmelere indirgenir.
Fonksiyonel uzay da değerlendirme gerektirir. Her şey her zaman değerlendirme gerektirir.
MO'da uygunluk fonksiyonu, optimizasyon yoluyla modeli eğitmek (parametre seçimi) için kullanılır. Ortaya çıkan modeli değerlendirmek için bir metrik(ler) kullanılır. Genellikle metrik uygunluk fonksiyonuyla eşleşmez. Matematiksel açıdan bakıldığında bu, MO'nun olağan tek kriterli optimizasyon probleminden ziyade ÇOK KRİTERLİ bir optimizasyon problemini çözdüğü anlamına gelir.
Geleneksel optimizasyondan bir diğer önemli fark, sabit bir optimizasyon parametreleri setinin sıklıkla bulunmamasıdır. Düzenli bir ağaç için bile bu durum söz konusudur. Matematiksel açıdan bakıldığında bu, sayısal uzayda olağan bir optimizasyon yerine FONKSİYONEL UZAYDA bir optimizasyon problemine yol açar.
Bu iki nokta da MO problemlerini geleneksel optimizasyona indirgenemez hale getirmektedir.
Detaylı açıklama için teşekkürler. Yine de, FF konusunu gündeme getirmek için bazı bağlamlar vardı. İşte burada.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum
Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret
Maxim Dmitrievsky, 2024.01.10 19:27
OOS üzerinde bir kontrol ile yeniden optimizasyon yoluyla bulunabilir :) bu, bir kat ile bir kurt ileri VEYA çapraz doğrulamanın en basit durumudur.Çok kriterli optimizasyon algoritmalarının ayrı bir sınıfı vardır. Ancak, doğru bir anlayışla, çoklu kriterler ek sınır koşullarına ve ayrı değerlendirmelere indirgenir.
İşlevsel alan da değerlendirme gerektirir. Her şey her zaman değerlendirme gerektirir.
Bahsettiğim özellikler tek tek değil eş zamanlı olarak çalışıyor, bu nedenle işlevsel alanlarda ne tür sınırlar inşa edeceğinizi bilmiyorum.
Konunun tüm katılımcıları modern MO'nun temellerine aşina olsalardı daha faydalı olurdu. SHAD'dan bir ders kitabı iyi bir seçenek olabilir.
Bahsettiğim özellikler tek tek değil, aynı anda çalışıyor, bu nedenle işlevsel alanlarda ne tür sınırlar oluşturacağınızı bilmiyorum.
Evet, çok işlevli alanlarda ayrı bileşenlerin eşzamanlı çalışmasından bahsediyoruz. Her iki bileşen de çok işlevli bir alanda ayrı ayrı ve hep birlikte - meta değerlendirmelerle veya başka bir şekilde - bütünsel değerlendirmelerle değerlendirilebilir. Biri diğerine müdahale etmez. MO'nun herhangi bir aşaması değerlendirme gerektirir, bu amaçla maksimizasyonu optimizasyonun özü olan birçok özel metrik vardır.
1) MO'da uygunluk fonksiyonu, optimizasyon yoluyla modeli eğitmek(parametre seçimi) için kullanılır. Ortaya çıkan modeli değerlendirmek için bir metrik( ler) kullanılır. Genellikle metrik uygunluk fonksiyonuyla eşleşmez. Matematiksel açıdan bakıldığında bu, MO'nun olağan tek kriterli optimizasyon probleminden ziyade ÇOK KRİTERLİ bir optimizasyon problemini çözdüğü anlamına gelir.
2) Geleneksel optimizasyondan bir diğer önemli fark, sabit bir optimizasyon parametreleri setinin sıklıkla bulunmamasıdır. Düzenli bir ağaç için bile bu durum söz konusudur. Matematiksel açıdan bakıldığında bu, sayısal uzayda olağan bir optimizasyon problemi yerine FONKSİYONEL UZAYDA bir optimizasyon problemine yol açar.
Bu iki nokta da MO problemlerini geleneksel optimizasyona indirgenemez hale getirmektedir.
1)
Çelişki nedir?
parametre seçimi == optimizasyon algoritmasında parametre arama
model metrik tahmini == Örneğin akurasi tahmini ile FF.
Burada neye katılmıyorsunuz?
2)
Sorun olarak gördüğünüz şeyi detaylandırabilir misiniz? Örneğin, ben göremiyorum
Detaylı açıklama için teşekkürler. FF konusunun gündeme getirilmesinde hala bir bağlam vardı. İşte burada.
Sorunuzu gördüm, ancak bu konuda anlaşılır bir şey söyleyemem.
Ve Maxim'in dilini çok iyi çeviremiyorum)
Evet, çok işlevli alanlarda tek tek bileşenlerin eşzamanlı çalışmasından bahsediyoruz. Her iki bileşen de çok işlevli bir alanda ayrı ayrı ve hep birlikte - meta değerlendirmelerle veya başka bir şekilde - bütünsel değerlendirmelerle değerlendirilebilir. Biri diğerine müdahale etmez. MO'nun herhangi bir aşaması değerlendirme gerektirir, bu amaçla maksimizasyonu optimizasyonun özü olan birçok özel metrik vardır.
Sorunuzu gördüm, ancak bu konuda anlaşılır bir şey söyleyemem.
Ve Maxim'in dilini çok iyi tercüme edemiyorum).
Mesele çeviri değil.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum
Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret
fxsaber, 2024.01.10 19:43
100 adım atıldığını varsayalım - 100 set girdimiz var. Ortalama kümeyi"her girdi, ilgili girdi 100 kümesininortalamasına eşittir " ilkesine göre oluşturursak, bu kümenin tüm başlangıç aralığını iyi geçmesi olası değildir.
Ticaret, otomatik ticaret sistemleri ve ticaret stratejilerinin test edilmesi üzerine forum
Ticarette makine öğrenimi: teori, modeller, uygulama ve algo-ticaret
Maxim Dmitrievsky, 2024.01.10 19:46
Değilse, mantıksal olarak hiç iyi set yoktur. Geleceğe güven açısından.Yüz setin FF'ye bağlı olduğu açıktır.
Zor değilse referanslar sağlayın (makaleler, kitaplar).
Sinir ağları, MO, optimizasyon, matematik üzerine birkaç yüz kitabı arşivde tuttum. Arşive bir bağlantı verdim. Arşiv birkaç yıl boyunca bulutta herkesin kullanımına açıktı, şu anda bu arşivi desteklemiyorum, arşivin bulunduğu bulut şu anda mevcut değil.
A.P. Karpenko'nun bu konularda birçok kitabı var, Simon D.'nin iyi kitapları var.