L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 3309
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Je n'ai pas besoin d'une réponse à votre question. Si je trouve la réponse, où ira-t-elle ? Quelle est la valeur pratique de la réponse à votre question ?
Où vais-je insérer la réponse à votre question dans l'EA ? Où, dans l'OI, vais-je mettre la réponse à votre question ?
Pourquoi poser cent fois une question dont je n'ai pas besoin.
Voici la réponse à votre question (ou plutôt à ma question initiale) :
changez le signe de la ligne pointillée rouge qui est hors de l'intervalle, ce qui reste dans l'intervalle désiré aura le score maximum de ce que vous cherchez, donc l'optimisation se réduira à trouver le MAXIMUM. ce que vous cherchez aura le score maximum possible.
C'est une façon simple de convertir le score que vous utilisez en un score dont la valeur maximale se trouve sur un plateau. Mais ce n'est pas la bonne façon, la bonne façon est d'utiliser un score qui a initialement un maximum à l'endroit que vous recherchez.
C'est vrai pour tout, pour l'entraînement des réseaux neuronaux, pour l'optimisation des fonctions, pour l'optimisation des stratégies, pour tout.
Par conséquent, l'affirmation "il ne faut pas chercher un maximum, il faut chercher un plateau stable" est intrinsèquement erronée et indique une utilisation erronée de l'estimation.
Andrew confond la formation NS avec l'optimisation de ses paramètres, je suppose
les deux s'apparentent à une optimisation, ce qui est un peu déconcertant lorsqu'un chaton a reçu beaucoup de nourriture. il semble y avoir une optimisation de la nourriture partout et il n'est pas évident de savoir ce qu'il faut manger
L'affirmation "il ne faut pas chercher un maximum, mais un plateau stable" est donc intrinsèquement erronée, puisqu'il s'agit d'une utilisation erronée de l'estimation.
Contrairement à ce que vous affirmez, vous avez montré qu'un plateau a été trouvé en démontrant l'estimation.
Où puis-je appliquer cela dans la pratique ?
Nous discutons de l'overfitting, qui est généralement basé sur l'optimisation. dans le testeur, c'est clair.
Dans le MO, l'overfitting est révélé en exécutant le modèle sur différents fichiers. La variation de la performance du modèle est un ajustement superficiel : aucun critère n'est nécessaire. Il y a aussi un paquet qui est révélé par l'overfitting.
Descendez du ciel, pardon, de vos extrêmes vers le sol où les choses sont différentes.
Contrairement à ce que vous affirmez, vous avez atteint un plateau en faisant preuve d'appréciation.
Où puis-je appliquer cela dans la pratique ?
Nous discutons du surajustement, qui est généralement basé sur l'optimisation. dans le testeur, tout est clair.
Dans MO, le surajustement est révélé en exécutant le modèle sur différents fichiers. La variation de la performance du modèle est un surajustement : aucun critère n'est nécessaire. Il existe également un paquet qui détecte le surajustement.
Descendez de vos extrêmes pour rejoindre le terrain où les choses sont différentes.
Après tout, l'expression"nous avons eu une idée" implique également un certain type de processus de réflexion (itérations).
Comment le modèle final sait-il s'il s'agit d'itérations du cerveau ou de l'ordinateur et s'il y a une différence entre les deux ?
La question s'est posée après avoir honoré l'article de Prado
Le piratage consiste à adapter les données à vos besoins. Vous prenez n'importe quel FF et ajoutez autant de données à l'entrée pour le maximiser. Si la maximisation est médiocre, vous ajoutez davantage de données ou choisissez un algorithme d'optimisation plus précis. En d'autres termes, n'importe quel FF peut être maximisé de cette manière. C'est le cas le plus courant dans l'optimisation des CT. Dans ce cas, plus de données - plus de surentraînement. Pas d'options. Les minima-maxima globaux ne disent rien du tout. La solution logique consiste à maximiser le FF tout en minimisant le nombre de caractéristiques, comme je l'ai écrit plus haut. Le moindre mal, en quelque sorte. Baes - variante tradeff, en termes scientifiques.
Un tonneau de miel avec une cuillère de goudron, pour que le miel puisse être jeté. Comme l'a dit Stirlitz, c'est la dernière phrase qui est mémorable.
Un tonneau de miel avec une cuillerée de goudron, pour que le miel puisse être jeté. Comme l'a dit Stirlitz, c'est la dernière phrase qui compte.
Le processus d'optimisation est une recherche de paramètres inconnus.