Discusión sobre el artículo "El papel de la calidad del generador de números aleatorios en la eficiencia de los algoritmos de optimización" - página 6
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
Por lo tanto, es fundamental dividir el conjunto de datos original en dos y, al realizar la optimización en una mitad, controlar la calidad en la segunda.
Un momento. Ahora los algoritmos de Andrew son responsables exactamente del tipo de optimización que realiza MT5-Tester. En la cita se habla del voladizo sobre el algoritmo de optimización.
En la discusión todavía se puede sentir un cierto algoritmo de optimización, que no es formalmente un competidor del algoritmo en MT5-Tester, pero resuelve tareas de búsqueda bastante diferentes. No había tales algoritmos en la serie de artículos de Andrei.
Entonces, ¿hay alguna forma de seleccionar de entre todos los parámetros posibles en los resultados de una búsqueda completa el conjunto que utilizaremos en los datos desconocidos? Hemos realizado una búsqueda completa, no una optimización.
Ahora es muy importante responder a esta pregunta.
Sí, creemos que hay una manera.
¿Cuál es la intriga?
Parece que hay cierta confusión de términos.
Yo llamo optimización al proceso de búsqueda de los mejores parámetros (en este caso, una estrategia de negociación). Y los "mejores" parámetros son los que pasarán bien el forward.
Parece que hay cierta confusión de términos.
Yo llamo optimización al proceso de búsqueda de los mejores parámetros (en este caso, una estrategia de negociación). Y los "mejores" parámetros son los que pasarán bien el forward.
Aparentemente, sí que hay un malentendido terminológico.
Optimización en el sentido de MT5-Tester es la búsqueda del valor más alto de FF.
Aparentemente, se trata de un malentendido terminológico.
Optimización en el sentido de MT5-Tester - búsqueda del valor FF más alto.
Stanislav y yo estábamos hablando claramente de otra cosa.
Encontrar el máximo se divulga en los artículos. Pero no siempre puede ser útil desde un punto de vista práctico.
Encontrar el máximo en los artículos es revelador. Pero no siempre resulta útil desde un punto de vista práctico.
Así que esto queda un poco fuera del contexto de una serie de artículos sobre distintas formas de resolver un problema de optimización clásico.
La forma más directa de encontrar lugares interesantes para el OOS es interrumpir forzosamente el algoritmo de optimización que resuelve el problema clásico.
Por ejemplo, dejemos que el AG realice 10.000 pasadas para resolver el problema. Obviamente, los 100 mejores resultados de las 3.000 primeras pasadas contienen más extremos locales que los 100 mejores resultados de las 10.000 pasadas.
Por lo tanto, interrumpir después de 3000 pases y mirar los 100 mejores es razonable para posiblemente encontrar configuraciones robustas.
¿Cuál es la intriga?
No hay intriga. Hice una pregunta, en cierto modo una prueba para entender la terminología y quién pone qué en el término "optimización".
El que más se acerca a usar la terminología como es debido es fxsaber.
En cualquier caso no es ni malo ni bueno, no es ni incorrecto ni correcto, simplemente facilita la consecución de los objetivos y evita poner significados donde no los hay y viceversa, permite prestar más atención a los aspectos que realmente afectan a lo que se quiere conseguir.
En términos de arquitectura, tal y como están estructurados los probadores y optimizadores internos, allí todo se hace bastante correctamente, se separan las moscas de las chuletas. Por eso puedo imaginarme perfectamente cómo los desarrolladores de Metaquotes utilizan activamente palabrotas, tal vez incluso gesticulan sentados en su puesto de trabajo cuando leen frases de los usuarios como "la optimización en el optimizador interno es una chapuza" y afirmaciones similares.
Intentaré aclarar la confusión terminológica.
Stanislaw y yo obviamente estábamos hablando de otra cosa.
La búsqueda del máximo se revela en los artículos. Pero no siempre es útil desde un punto de vista práctico.
Sí, estabais hablando de otra cosa. Suena como "se divulga el tema de la cocina del kebab, pero puede que los kebabs no sean sanos". No pasa nada, lo solucionaremos juntos, separaremos las moscas de las chuletas.
¿Se trata de algún tipo de juego terminológico? Sugerí 3 maneras de elegir el mejor conjunto - también son adecuadas para el caso de un historial completo ejecutado en todas las combinaciones posibles.
Por ejemplo, un problema tan conocido: existe una red NS (digamos, de negociación sobre incrementos de precios), y se utiliza la optimización para encontrar los pesos de esta red. Si aplicamos sus algoritmos de frente, obtendremos una NS sobreentrenada, que no podrá trabajar con nuevos datos. Por lo tanto, es fundamental dividir el conjunto de datos original en dos, y mientras se realiza la optimización en una mitad, controlar la calidad en la segunda mitad.
¿Podría explicarnos qué significa "aplicar algoritmos de frente"? Me cuesta entender cómo se pueden utilizar mal los algoritmos de optimización. Los conceptos de "sobreentrenamiento" y/o "ajuste" no se aplican a los algoritmos de optimización.
No, no se trata de un juego terminológico, sino de mi intento de aclarar un malentendido que se viene produciendo desde hace tiempo en torno a la optimización en general y a los algoritmos de optimización en particular.
Así que esto se sale un poco del contexto de una serie de artículos sobre distintas formas de resolver un problema clásico de optimización.
Sí, exactamente, Stanislav y Andrey están hablando de cosas fuera del contexto de esta serie de artículos. Y la serie de artículos no trata sobre la resolución de problemas de optimización, sino sobre algoritmos de optimización. Un algoritmo de optimización es sólo una parte de un problema de optimización (es así tanto terminológica como correctamente desde el punto de vista de la comparación de algoritmos entre sí, de lo contrario sería imposible comparar algoritmos en principio), por lo que en esta serie de artículos sólo considero algoritmos de optimización.
Lo aclararé más adelante en los comentarios. Espero de verdad que ayude a ver las cosas conocidas desde un ángulo diferente.