트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3308

 
СанСаныч Фоменко #:

옛 노래!

아무도 이 세트가 필요하지 않습니다. 그리고 테스터의 최적화는 이러한 고유 한 세트를 찾고 있으며 많은 수의 "최적화 자"가 "2 차원 다이어그램"에주의를 기울이지 않고이 단일 매개 변수 세트에 만족하여 세트 세트, 즉 최대 값이 아닌 고원을 찾으려고 시도 할 수 있습니다.

그리고 2 차원 다이어그램에서 창백하거나 흰색 사각형 사이의 녹색 섬처럼 보이는 최적 세트는 오버 트레이닝, 즉 매우 최적이지만 다시는 충족되지 않을 일부 특수성이 제거되었음을 나타내며이를 오버 트레이닝이라고합니다.

좋아요, 간단한 질문을 하나 할게요. '정체기'를 명확하게 추정할 수 있나요? - 가능하다면 고원에있는 것이 최대 추정 값을 갖도록 추정치를 설명하십시오!!!!. - 이해하기가 너무 어렵다면 찾아야하는 것이 가능한 최대 추정치를 갖도록 추정을 모호하지 않게 만드십시오.

다시 한 번 강조하지만, 최적화할 때 최대값이 원하는 것과 다르다면 잘못된 추정치를 사용하고 있는 것입니다.

 
Andrey Dik #:

고집하는 것이 아닙니다.

)))

 
Andrey Dik #:

좋아요, 간단한 질문을 하나 할게요. '고원'을 명확하게 추정할 수 있나요? - 가능하다면 고원에있는 것이 최대 추정 값을 갖도록 추정치를 설명하십시오!!!!. - 이해하기 어렵다면, 찾아야 할 것이 가능한 최대 추정치를 갖도록 추정을 모호하지 않게 만드세요.

다시 한 번 강조하지만, 최적화할 때 최대값이 원하는 것과 다르다면 잘못된 추정치를 사용하고 있는 것입니다.

테스터에서는 녹색이 진하고 그래프에서 연속된 녹색이 차지하는 부분이 많을수록, 가급적 같은 강도의 녹색이 많을수록 더 나은 추정치입니다. 차트가 체스판처럼 보이면 TS는 희망이 없습니다.

최적의 모델은 필요하지 않습니다. 게다가 '모델'이라는 단어 자체가 최적을 의미하지는 않습니다. 모델은 현실을 어느 정도 거칠게 만든 것이며, 거칠게 만드는 정도는 모델 제작자의 경험 또는 오히려 운입니다.

 
СанСаныч Фоменко #:

테스터에서는 눈으로 평가합니다. 녹색이 진하고 그래프의 더 많은 부분을 연속된 녹색이 차지할수록, 가급적 같은 강도의 녹색이 차지할수록 좋습니다. 차트가 체스판처럼 보이면 TS는 희망이 없습니다.

최적의 모델은 필요하지 않습니다. 게다가 '모델'이라는 단어 자체가 최적을 의미하지는 않습니다. 모델은 현실을 어느 정도 거칠게 만든 것이며, 거칠기의 정도는 모델 제작자의 경험 또는 오히려 운입니다.


절망적으로....

제 질문에 답변하지 않으셨군요.

"정체기"라고 부르는 것을 명확하게 평가할 수 있나요?

 
Andrey Dik #:

forlornly....
제 질문에 답하지 않으셨군요.

이론화에는 관심이 없습니다. 테스터가 있으니 말이 되죠. MO에서 고원을 찾을 필요가 없습니다.

 
СанСаныч Фоменко #:

이론화에는 관심이 없습니다. 테스터가 있으니 말이 되죠. MO에서 고원에 대한 검색은 가치가 없습니다.

연습의 문제입니다.

다시 한 번, "정체기"라고 부르는 것을 모호하지 않게 추정 할 수 있습니까?

지정된 "고원"값 범위의 히트 수를 고려하는 평가를 작성하면이 고원 위와 아래의 모든 것에 관심이 없으므로 고원은 이러한 평가에서 가능한 최대 값을 갖습니다. 최적화는이 고원을 설명하는 평가의 최대 값을 찾는 것으로 축소됩니다.

 
Andrey Dik #:

이것이 바로 이 연습의 목적입니다.

그렇다면 다시 한 번 '정체기'를 명확하게 평가할 수 있을까요?

다시 한 번, 테스터에서 녹색으로 표시됩니다.

 
СанСаныч Фоменко #:

다시 한 번: 테스터의 녹색 단색

이것이 테스터와 어떤 관련이 있으며 녹색과 어떤 관련이 있습니까?

내 질문에 대답하면이 악명 높은 고원을 찾는 것을 멈출 것입니다.

 
Andrey Dik #:

테스터는 녹색과 어떤 관련이 있나요?

제 질문에 답하시면 더 이상 속담에 나오는 고원을 찾지 않으셔도 됩니다.

질문에 대한 답변은 필요 없습니다. 답을 찾으면 어디로 가야 하나요? 질문에 대한 답변의 실질적인 가치는 무엇인가요?

EA의 어느 부분에 질문에 대한 답변을 삽입할 수 있나요? 질문에 대한 답변은 자료실 어디에 넣어야 하나요?

필요하지 않은 답변을 왜 백 번씩 질문해야 하나요?

 

앤드류는 NS 훈련과 매개변수 최적화를 혼동하고 있는 것 같아요.

둘 다 최적화와 비슷한데, 새끼 고양이가 많은 음식을 먹었을 때 약간 당황스러워요. 사방에 음식이 최적화되어 있는 것 같고 무엇을 먹어야 할지 명확하지 않습니다.

사유: