Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Sigues sin entenderlo: no se trata en absoluto de optimización, es una herramienta para crear un profesor para el aprendizaje. Sólo hay unos pocos problemas en MOE, y el primero es un profesor inteligente.
No. Sigues sin entenderlo. Sin optimización no puede haber ME en principio. sin optimización no puede existir nada en absoluto. nada en absoluto.
¿Qué es un "maestro inteligente"? ¿Dónde están los criterios de conformidad con este maestro inteligente? Vas a evaluar la conformidad del modelo con el maestro. La evaluación de la conformidad es la FF, cómo no puedes entender cosas elementales.
La FF es el criterio de evaluación. Optimizar significa maximizar el criterio de evaluación.No. No lo entiendes, no lo entiendes. Sin optimización, no puede existir MO sin optimización. sin optimización, no puede existir nada en absoluto. nada en absoluto.
¿Qué es un "maestro inteligente"? ¿Dónde están los criterios de conformidad con este maestro inteligente? Vas a evaluar la conformidad del modelo con el maestro. La evaluación de la conformidad es la FF, cómo no puedes entender cosas elementales.
La FF es el criterio de evaluación. Optimizar significa maximizar el criterio de evaluación.Mientras tú escribías, yo añadí algo más.
Voy a añadir.
Utilizar la optimización al crear un profesor es una cosa, es externo al modelo.
Utilizar la optimización al buscar los parámetros del modelo es otra, está incorporada en el propio modelo, hay modelos en los que se puede elegir la opción de optimización.
Evaluar el uso del modelo de clasificación es la tercera y aquí no huele a optimización. Existe un sistema propio de estimación del error de clasificación.
Por ejemplo, la matriz de error
Más significativo
Existen paquetes especiales que amplían los ejemplos anteriores de evaluación de modelos de clasificación. Por ejemplo, el paquete PerformanceAnalyticsComo no has entendido nada, sigues sin entenderlo: no se trata en absoluto de la optimización en sí, sino de una herramienta para crear un profesor para el aprendizaje.
Sólo hay unos pocos problemas en MOE, y el primero es un maestro inteligente.
Y la calidad del profesor NO viene determinada por la calidad del FF ni por la calidad de la optimización - antes hablábamos de óptimo local/global. En el ejemplo, no nos molestamos y cogimos el primer algoritmo que encontramos y lo usamos de frente, lo cual es absolutamente correcto.
La calidad de un maestro viene determinada por la capacidad de seleccionar predictores que no pierdan su poder predictivo en el futuro. Pero a la hora de determinar esta propiedad de un maestro, no se utiliza FF en absoluto.
Se trata de una especie de bifurcación en el camino. El tema de debate ha girado en torno al aprendizaje por refuerzo, y quizá tenga sentido utilizar todos los enfoques a partir de ahí. En el comercio, hasta ahora se ha demostrado que no se trata de nada. O bien se trata de formación con un profesor utilizando ejemplos prefabricados. O rinocerontes desconocidos cruzados de esto y aquello, pero ni siquiera hay aparato teórico para ello :)
Aquí está https://www.mql5.com/ru/code/903 también hace 11 años. Y el gráfico es más bonito que el demytarmailS en su ejemplo.
Pero no creo que sea el tuyo. ¿Dónde está el suyo?
Aquí está https://www.mql5.com/ru/code/903 también de hace 11 años. Y el gráfico es más bonito que mytarmailS en su ejemplo.
Pero no se parece al tuyo. ¿Dónde está el tuyo?
Aquí está https://www.mql5.com/ru/code/903 también de hace 11 años. Y el gráfico es más bonito que el demytarmailS en su ejemplo.
Aquí antes del entrenamiento, y lo tiene después. Así que no sólo lo marca muy bien
Exacto.