Diskussion zum Artikel "Selbstoptimierende Expert Advisors in MQL5 (Teil 14): Betrachtung von Datentransformationen als Tuning-Parameter unseres Feedback-Controllers"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Selbstoptimierende Expert Advisors in MQL5 (Teil 14): Betrachtung von Datentransformationen als Tuning-Parameter unseres Feedback-Controllers :
Die Vorverarbeitung ist ein leistungsstarker und dennoch oft übersehener Tuning-Parameter in jedem Framework oder jeder Pipeline für maschinelles Lernen.
Er ist ein wichtiger Regler in der Pipeline, der oft im Schatten seiner größeren Brüder versteckt ist. In der Regel stehen Optimierer oder glänzende Modellarchitekturen im Mittelpunkt der Forschungsarbeit, und es werden große Mengen an akademischen Mitteln in diese Richtungen fließen. Es wird jedoch wenig Zeit darauf verwendet, die Auswirkungen der Vorverarbeitungstechniken zu untersuchen.
Die Vorverarbeitung, die wir auf die vorliegenden Daten anwenden, wirkt sich unbemerkt auf die Leistung des Modells aus, und zwar in einem Ausmaß, das überraschend sein kann. Selbst kleine prozentuale Verbesserungen bei der Vorverarbeitung können sich im Laufe der Zeit summieren und die Rentabilität und das Risiko unserer Handelsanwendungen erheblich beeinflussen.
Allzu oft eilen wir durch die Vorverarbeitung, ohne uns viele Gedanken zu machen oder uns viel Zeit zu nehmen, um zu überprüfen, ob wir wirklich die bestmögliche Transformation für die Eingabedaten gefunden haben.
Autor: Gamuchirai Zororo Ndawana