트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3378

새 코멘트
 
fxsaber #:

비논리적입니다! 예를 들어 세트는 FF에 의존합니다.

FF에 의존하는 것은 아무것도 없습니다. 단지 입력을 원하는 출력과 일치시킬 뿐입니다. 이것이 견고성과 무슨 관련이 있는지 모르겠습니다.

최적화 프로그램에서 원하는대로 트랜잭션을 설정할 수 없다는 것을 잊었습니다. 아마도 FF에 대해 많은 소란이 있고 특별한 모양이나 신성한 의미를 부여하기 때문일 것입니다 :).
 
Renat Akhtyamov #:

잔액까지 아래로 스크롤합니다.

저도 똑같습니다.
 
Maxim Dmitrievsky #:
FF는 전혀 아무것도 아니며, 그것에 의존하는 것은 없습니다.
용어상의 오해일 가능성이 높습니다. 하지만 무지개 수신은 분명합니다.
 
fxsaber #:
용어상의 오해일 가능성이 높습니다. 하지만 무지개 리셉션은 지각력이 있었습니다.
또는 질문이 잘못되었습니다.
어떤 이유로 많은 사람들이 심령술사 또는 심리학자에게 세션에 왔다고 믿습니다 :)
의견에서 매우 중요하다고 경건하게 믿는 또 다른 카테고리가 있습니다.
 
Maxim Dmitrievsky #:
FF는 전혀 아무것도 아니며, 그것에 의존하는 것도 없습니다. 단지 입력을 원하는 출력과 일치시킬 뿐입니다. 견고성과 무슨 관련이 있는지 모르겠네요.

피트니스 기능 - 문자 그대로 번역하면 "건강 기능" 또는 피트니스 기능, 적응성 기능입니다. 즉, 일부 개별 작업 또는 전체 모델을 평가하는 방법입니다. 평가 함수라고도 하며, 메트릭의 형태로 시스템의 개별 요소에 통합적으로 또는 개별적으로 적용됩니다.

통계학에서: 견고성(견고함 - "강한", "강한", "확고한", "안정적인") - 연구 결과에 대한 다양한 종류의 이상값 영향의 독립성, 간섭에 대한 저항성을 특징짓는 통계 방법의 속성입니다. 강력한 방법 - 이상값을 식별하고, 그 영향을 줄이거나 표본에서 제외하는 것을 목표로 하는 방법.

MO 및 트레이딩에 적용되는 견고성은 모델(또는 TS)이 새로운 데이터, 즉 '트레이닝 샘플'의 지표와 유사한 지표를 보여줄 수 있는 능력입니다.

모델의 견고성을 평가하기 위해 다양한 지표, 점수, 영향력 함수, 즉 적합성 함수가 사용됩니다.

다시 말해, 적합도 함수는 무엇을 얻어야 하는지에 대한 설명적인 특성화입니다. 견고한 모델을 얻는 것이 목표라면 견고성을 추정하고 견고성 적합도 함수를 구성해야 합니다. 가능한 최대 견고성(신뢰성, 안정성)이 필요하므로 이러한 설명적 특성인 적합성 함수가 필요하며, 그 최대값이 최대 견고성에 해당합니다.


이제 적합성 함수가 견고성과 어떤 관련이 있는지 모든 분들께 명확하게 이해가 되셨기를 바랍니다.

피트니스 함수의 예

학교의 평균 성적. 일반 평균 등급으로 적용하거나 일부 국가처럼 가중치를 적용할 수 있습니다.

철도를 포함한 도로 설계에서 추정치로서 허용되는 최대 원심 가속도.

다음으로, 숙제로 피트니스 함수의 정의와 용도를 이해하기 위해 스스로 피트니스 함수의 예를 계속할 수 있습니다.

 

최적화 및 적합성 함수의 개념에 대한 부정적인 태도는 균형과 같은 매우 단순한 적합성 함수의 사용이 널리 행해지고 있기 때문입니다. 이는 평가로 선택된 적합성 함수 '최종 균형'이 어떤 식으로든 TS의 견고성을 특징짓지 못한다는 것을 보여주는 예입니다.

피트니스 함수는 평가 방법이며, 삼촌이 기본적으로 제공한 방법뿐만 아니라 어떤 방법도 사용하는 것을 금지하는 사람은 아무도 없습니다.

 
fxsaber #:

수익 곡선의 특성은 OOS에 의해 변경되지 않습니다: 크기(OOS_Left) = 크기(OOS_Right) = 크기(샘플). 일반적으로 지나칠 수 없는 결과입니다.

스트레스 테스트가 필요할 수 있습니다))))) TC에 대한 블랙 스완 모델링)

 
Andrey Dik #:

피트니스 기능은 "건강 기능" 또는 피트니스 기능, 적응력 기능을 문자 그대로 번역한 것입니다. 일부 개별 작업 또는 전체 모델을 평가하는 방법입니다. 평가 함수라고도 하며, 메트릭의 형태로 시스템의 개별 요소에 통합적으로 또는 개별적으로 적용됩니다.

통계학에서: 견고성(견고함 - "강한", "강한", "확고한", "안정적인") - 연구 결과에 대한 다양한 종류의 이상값 영향의 독립성, 간섭에 대한 저항성을 특징짓는 통계적 방법의 속성입니다. 강력한 방법 - 이상값을 식별하고, 그 영향을 줄이거나 표본에서 제외하는 것을 목표로 하는 방법입니다.

MO 및 트레이딩의 경우 견고성은 모델(또는 TS)이 새로운 데이터에 대한 지표, 즉 "트레이닝 샘플"의 지표와 유사한 지표를 보여줄 수 있는 능력입니다.

모델의 견고성을 평가하기 위해 다양한 지표, 점수, 영향력 함수, 즉 적합도 함수가 사용됩니다.

다시 말해, 적합도 함수는 무엇을 얻어야 하는지에 대한 설명적 특성화입니다. 견고한 모델을 얻는 것이 목표라면 견고성을 추정하고 견고성 적합도 함수를 구성해야 합니다. 가능한 최대 강건성(신뢰성, 안정성)이 필요하므로 이러한 설명적 특성인 적합도 함수가 필요하며, 그 최대값이 최대 강건성에 해당합니다.


이제 적합성 함수가 견고성과 어떻게 관련되어 있는지 모든 사람이 명확하게 알 수 있기를 바랍니다.

피트니스 함수의 예시입니다:

학교의 평균 성적. 일반 평균 등급으로 적용하거나 일부 국가처럼 가중치를 적용할 수 있습니다.

철도를 포함한 도로 설계 시 추정치로서 허용되는 최대 원심 가속도.

다음으로 숙제로 피트니스 함수가 무엇이며 어떤 용도로 사용되는지 이해하기 위해 스스로 피트니스 함수의 예를 계속할 수 있습니다.


이론가 여러분! 잘못된 책을 읽어서 주제에서 벗어난 내용으로 스레드를 어지럽히고 있습니다!

다음은 특정 피트니스 함수의 예입니다:

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)

다음은 NS에 대한 또 다른 예입니다.

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, ...)

모든 것이 작성되어 있으므로 사용 방법 만 배우면됩니다. 그리고 R에서 패키지를 사용하는 방법을 배우면 "피트니스 기능이 견고성과 어떻게 관련되어 있는지" 와 같은 말도 안되는 글을 쓸 수 없습니다. MO의 견고성은 별개의 매우 심각한 문제입니다.

R을 사용하기 시작하면 모든 것이 제자리에 놓이고 훈련 파일 외부에서 20 % 미만의 오류와 "견고성"으로 분류 된 예로 현지 대중을 놀라게 할 것입니다.

 
느슨하게 정의된 용어는 악입니다)))))
 


1...337133723373337433753376337733783379338033813382338333843385...3399
새 코멘트
사유: