交易中的机器学习:理论、模型、实践和算法交易 - 页 3378 1...337133723373337433753376337733783379338033813382338333843385...3399 新评论 Maxim Dmitrievsky 2024.01.10 20:13 #33771 fxsaber #:不合逻辑!例如,集合依赖于 FF。 FF 根本什么都不是,什么都不依赖它。它只是将输入与所需的输出相匹配。我不明白这和稳健性有什么关系。我忘了,在优化器中,你不能随意设置事务,可能正因为如此,人们才对 FF 大惊小怪,并赋予它一些特殊的外观或神圣的意义:)。 mytarmailS 2024.01.10 20:19 #33772 Renat Akhtyamov #:向下滚动到余额。我也是这样 fxsaber 2024.01.11 00:27 #33773 Maxim Dmitrievsky #: FF 根本什么都不是,什么都不取决于它。 这很可能是术语上的误解。但彩虹般的接待是可想而知的。 Maxim Dmitrievsky 2024.01.11 01:10 #33774 fxsaber #: 很可能是术语上的误解。但彩虹的接收是敏锐的。 或者问题问得不对许多人出于某种原因认为他们是来参加通灵者或心理学家的会议的:)还有一类人虔诚地认为,从意见是非常重要的 Andrey Dik 2024.01.11 06:53 #33775 Maxim Dmitrievsky #: FF 什么都不是,什么都不依赖它。它只是将输入与所需的输出相匹配。我看不出它与鲁棒性有什么关系。 Fitness function(健度函数)--直译为 "健康函数",或 "适合度函数"、"适应性函数"。也就是说,它是一种评估某些单独行动或整个模型的方法。也称为评价函数,它以度量的形式整体或单独应用于系统的各个元素。 在统计学中:稳健性(来源于稳健--"强"、"坚固"、"稳定")--一种统计方法的属性,其特点是不受各种异常值对研究结果的影响,抗干扰能力强。稳健方法 - 一种旨在识别异常值、降低其影响或将其从样本中排除的方法。 稳健性是指模型(或 TS)在新数据上显示与 "训练样本 "类似指标的能力。 要评估一个模型的稳健性,需要使用各种指标、分数、影响函数,即使用适度函数。 换句话说,适配度函数是对所需结果的描述性描述。如果我们的目标是获得一个鲁棒性模型,那么我们就需要估算鲁棒性,组成一个鲁棒性适配函数。我们需要最大可能的鲁棒性(可靠性、稳定性),因此我们需要这样一个描述性特征,即健壮性函数,其最大值将与最大鲁棒性相对应。 我希望现在大家都清楚了,适配度函数与鲁棒性的关系。 健壮性函数的例子 学校平均成绩。可以是正常平均成绩,也可以是某些国家的加权平均成绩。 最大允许离心加速度,作为道路(包括铁路)设计中的估算值。 接下来,作为家庭作业,你可以自己继续举例说明适合度函数,以了解它是什么以及它的用途。 Andrey Dik 2024.01.11 07:01 #33776 之所以对优化和适配函数的概念持否定态度,是因为使用非常简单的适配函数(如平衡)的做法非常普遍。这就是一个例子,说明选择 "最终平衡 "作为评估的合适度函数并不能以任何方式表征 TS 的稳健性。 拟合度函数只是一种评估方法,没有人也没有任何东西禁止使用任何方法,不仅是那些大叔们默认的方法。 Valeriy Yastremskiy 2024.01.11 07:04 #33777 fxsaber #:利润曲线的性质不会因 OOS 而改变:Size(OOS_Left) = Size(OOS_Right) = Size(Sample)。一般来说,无法通过的结果。 可能需要进行压力测试)))))为 TC 建立黑天鹅模型) СанСаныч Фоменко 2024.01.11 07:19 #33778 Andrey Dik #:Fitness 函数是 "健康函数 "的直译,或称适度函数、适应性函数。它是评估某些单独行动或整个模型的一种方法。它也被称为评价函数,以度量的形式整体或单独应用于系统的各个元素。在统计学中:稳健性(来源于稳健--"强"、"坚固"、"稳定")--统计方法的一种属性,其特点是不受各种异常值对研究结果的影响,抗干扰能力强。稳健方法 - 旨在识别异常值、减少其影响或将其从样本中排除的方法。 就 MO 和交易而言,稳健性是指模型(或 TS)在新数据上显示与 "训练样本 "上的指标相似的指标的能力。要评估一个模型的稳健性,需要使用各种指标、分数、影响函数,即使用适合度函数。换句话说,适合度函数是对所需获得结果的描述性特征。如果我们的目标是获得一个鲁棒性模型,那么我们就需要估算鲁棒性,组成一个鲁棒性适配函数。我们需要最大可能的鲁棒性(可靠性、稳定性),因此我们需要这样一个描述性特征,即适配度函数,其最大值将与最大鲁棒性相对应。我希望现在大家都清楚了适配度函数与鲁棒性的关系。健壮性函数举例学校的平均成绩。它可以作为正常平均成绩使用,也可以像某些国家那样加权使用。最大允许离心加速度,作为道路(包括铁路)设计中的估算值。接下来,作为家庭作业,你可以自己继续举例说明适合度函数,以了解它是什么以及它的用途。 理论家!你看错书了,而且还把话题扯远了! 这里有具体的适度函数例子: ada(x, y,test.x,test.y=NULL, loss=c("exponential","logistic"), type=c("discrete","real","gentle"),iter=50, nu=0.1, bag.frac=0.5, model.coef=TRUE,bag.shift=FALSE,max.iter=20,delta=10^(-10), verbose=FALSE,...,na.action=na.rpart) 这是 NS 的另一个例子 nnet(x, y, weights, size, Wts, mask, linout = FALSE, entropy = FALSE, softmax = FALSE, censored = FALSE, skip = FALSE, rang = 0.7, decay = 0, maxit = 100, Hess = FALSE, trace = TRUE, MaxNWts = 1000, abstol = 1.0 e-4, reltol = 1.0 e-8, ...) 如果你学会了如何使用 R 软件包,就不会再写什么"拟合函数与鲁棒性有何关系 " 之类的废话了--在 MO 中, 鲁棒性 是一个独立且非常严重的问题。 开始使用 R 软件包后,一切都会水到渠成,你会向本地公众展示误差小于 20% 的分类实例和训练文件之外的"鲁棒性",让他们大吃一惊。 Valeriy Yastremskiy 2024.01.11 07:22 #33779 松散定义的术语是 evil))))) Maxim Dmitrievsky 2024.01.11 07:37 #33780 1...337133723373337433753376337733783379338033813382338333843385...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
不合逻辑!例如,集合依赖于 FF。
向下滚动到余额。
FF 根本什么都不是,什么都不取决于它。
很可能是术语上的误解。但彩虹的接收是敏锐的。
FF 什么都不是,什么都不依赖它。它只是将输入与所需的输出相匹配。我看不出它与鲁棒性有什么关系。
Fitness function(健度函数)--直译为 "健康函数",或 "适合度函数"、"适应性函数"。也就是说,它是一种评估某些单独行动或整个模型的方法。也称为评价函数,它以度量的形式整体或单独应用于系统的各个元素。
在统计学中:稳健性(来源于稳健--"强"、"坚固"、"稳定")--一种统计方法的属性,其特点是不受各种异常值对研究结果的影响,抗干扰能力强。稳健方法 - 一种旨在识别异常值、降低其影响或将其从样本中排除的方法。
稳健性是指模型(或 TS)在新数据上显示与 "训练样本 "类似指标的能力。
要评估一个模型的稳健性,需要使用各种指标、分数、影响函数,即使用适度函数。
换句话说,适配度函数是对所需结果的描述性描述。如果我们的目标是获得一个鲁棒性模型,那么我们就需要估算鲁棒性,组成一个鲁棒性适配函数。我们需要最大可能的鲁棒性(可靠性、稳定性),因此我们需要这样一个描述性特征,即健壮性函数,其最大值将与最大鲁棒性相对应。
我希望现在大家都清楚了,适配度函数与鲁棒性的关系。
健壮性函数的例子
学校平均成绩。可以是正常平均成绩,也可以是某些国家的加权平均成绩。
最大允许离心加速度,作为道路(包括铁路)设计中的估算值。
接下来,作为家庭作业,你可以自己继续举例说明适合度函数,以了解它是什么以及它的用途。
之所以对优化和适配函数的概念持否定态度,是因为使用非常简单的适配函数(如平衡)的做法非常普遍。这就是一个例子,说明选择 "最终平衡 "作为评估的合适度函数并不能以任何方式表征 TS 的稳健性。
拟合度函数只是一种评估方法,没有人也没有任何东西禁止使用任何方法,不仅是那些大叔们默认的方法。
利润曲线的性质不会因 OOS 而改变:Size(OOS_Left) = Size(OOS_Right) = Size(Sample)。一般来说,无法通过的结果。
可能需要进行压力测试)))))为 TC 建立黑天鹅模型)
Fitness 函数是 "健康函数 "的直译,或称适度函数、适应性函数。它是评估某些单独行动或整个模型的一种方法。它也被称为评价函数,以度量的形式整体或单独应用于系统的各个元素。
在统计学中:稳健性(来源于稳健--"强"、"坚固"、"稳定")--统计方法的一种属性,其特点是不受各种异常值对研究结果的影响,抗干扰能力强。稳健方法 - 旨在识别异常值、减少其影响或将其从样本中排除的方法。
就 MO 和交易而言,稳健性是指模型(或 TS)在新数据上显示与 "训练样本 "上的指标相似的指标的能力。
要评估一个模型的稳健性,需要使用各种指标、分数、影响函数,即使用适合度函数。
换句话说,适合度函数是对所需获得结果的描述性特征。如果我们的目标是获得一个鲁棒性模型,那么我们就需要估算鲁棒性,组成一个鲁棒性适配函数。我们需要最大可能的鲁棒性(可靠性、稳定性),因此我们需要这样一个描述性特征,即适配度函数,其最大值将与最大鲁棒性相对应。
我希望现在大家都清楚了适配度函数与鲁棒性的关系。
健壮性函数举例
学校的平均成绩。它可以作为正常平均成绩使用,也可以像某些国家那样加权使用。
最大允许离心加速度,作为道路(包括铁路)设计中的估算值。
接下来,作为家庭作业,你可以自己继续举例说明适合度函数,以了解它是什么以及它的用途。
理论家!你看错书了,而且还把话题扯远了!
这里有具体的适度函数例子:
这是 NS 的另一个例子
如果你学会了如何使用 R 软件包,就不会再写什么"拟合函数与鲁棒性有何关系 " 之类的废话了--在 MO 中, 鲁棒性 是一个独立且非常严重的问题。
开始使用 R 软件包后,一切都会水到渠成,你会向本地公众展示误差小于 20% 的分类实例和训练文件之外的"鲁棒性",让他们大吃一惊。