Discusión sobre el artículo "Características del Wizard MQL5 que debe conocer (Parte 31): Selección de la función de pérdida"
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
Artículo publicado Características del Wizard MQL5 que debe conocer (Parte 31): Selección de la función de pérdida:
La función de pérdida es la métrica clave de los algoritmos de aprendizaje automático que proporciona información al proceso de formación cuantificando el rendimiento de un conjunto determinado de parámetros en comparación con el objetivo previsto. Exploramos los distintos formatos de esta función en una clase de asistente personalizada MQL5.
El asistente MQL5 (MQL5 Wizard) puede ser un banco de pruebas para una gran variedad de ideas, como hemos tratado hasta ahora en esta serie. Y de vez en cuando, uno se encuentra con una señal personalizada que tiene más de una forma de implementarse. Ya vimos este escenario en los 2 artículos sobre las tasas de aprendizaje, así como en el último artículo sobre la normalización por lotes. Cada uno de esos aspectos del aprendizaje automático presentaba más de una posible señal personalizada, como ya se ha comentado. La pérdida , también por tener múltiples formatos, se encuentra en una situación similar.
La forma de comparar el resultado de una prueba con su objetivo no tiene un método único. Si consideramos las enumeraciones disponibles en ENUM_LOSS_FUNCTION enumeración en MQL5, son 14, y esta lista ni siquiera es exhaustiva. ¿Significa esto que cada uno de ellos ofrece una forma distinta de formarse en aprendizaje automático? Probablemente no, pero la cuestión es que hay diferencias, algunas matizadas, y estas diferencias a menudo pueden implicar que es necesario seleccionar cuidadosamente la función de pérdida dependiendo de la naturaleza de la red o del algoritmo que se esté entrenando.
Autor: Stephen Njuki