交易中的机器学习：理论、模型、实践和算法交易 - 页 3377

新评论
 
fxsaber #:

理论问题

有一种 TS，其拟合效果极佳。同时，众所周知，某一组输入参数可以有效地利用真实模式。也就是说，这组参数并不拟合。

有可能找到这组参数吗？

如果去掉"非常适合的 TC"，就可以大大缩小范围。而且，你还需要了解很多关于你正在寻找的模式的信息。

您不可能任意选取一堆指标，去除明显依赖的指标，然后得到一个 "拟合的 TS"，并在所有这些指标中分离出真正规律性的利用。

一个好的问题就是答案的一半--在应用算法优化和 ML 的现实世界中，人们通常都知道要寻找的究竟是什么（特征的黑暗程度），因此有必要突出特征、勾勒限制。而在这里，没有人知道他想找什么，但他知道如何运行优化器:-)

 
fxsaber #:

利润曲线的性质不会因 OOS 而改变：Size(OOS_Left) = Size(OOS_Right) = Size(Sample)。总而言之，这是一个无法超越的结果。

那么，通过对 OOS 的检查重新优化就可以找到：）这是最简单的狼式前进或交叉验证一折的情况。
 
Maxim Dmitrievsky #:
那么通过重新优化和 OOS 检查可以找到:)

请用几句话说明。

 
fxsaber #:

请用几句话说明。

似乎每个人都知道 "狼来了"。在对样本进行优化时，结果取自 oos。取平均参数后的最佳总体结果，这样曲线就不会有差异。
 
这并不能证明它不适合。它将给出最可靠的参数。根本不可能证明它不是全局拟合。尤其是无法通过任何全局最小值来证明。
 
Maxim Dmitrievsky #:
我想大家都知道 "狼来了"。在对样本进行优化时，结果取自 oos。取平均参数后的最佳总体结果，这样曲线就不会有差异。

比方说，我们采取了 100 个步骤，得到了 100 组输入。如果我们按照 "每组输入等于对应的 100 组输入的平均值 "的原则来形成平均集，那么这组输入就不太可能顺利通过整个初始区间。

 
fxsaber #:

假设我们已经走了 100 步，也就是获得了 100 个输入集合。如果我们按照 "每个输入集等于相应的 100 个输入集的平均值 "的原则来形成一个平均集，那么这个集就不太可能顺利通过整个初始区间。

如果不能，那么从逻辑上讲，根本就没有好的集合。就对未来的信心而言。

这就是伟大而无情的 matstat。
 
Maxim Dmitrievsky #:
如果没有，从逻辑上讲，就根本没有好的套装。

不符合逻辑！例如，套装取决于 FF。

 
fxsaber #:

不合逻辑！例如，套数取决于 FF。

如果您想得到帮助，就需要在表达时尽可能清晰易懂，并尽可能多地提供信息....。
 
mytarmailS #:
我在想，有人读过这些无休止的名为 "神经网络很简单 "的文章吗？
在我看来，如果计算一下这些废话的平均阅读时间，不会超过 10-15 秒。


嘘，这家伙只是想赚钱买车。

我向下滚动到余额，发现这个人不知道下面这句话：

"只看到这里是不够的，在这里你必须看，在这里你必须想......"

他只是肤浅地研究材料，得出的结论也不尽人意。
1...337033713372337333743375337633773378337933803381338233833384...3399
新评论