Ancora una volta, la funzione di fitness è un metodo di stima del modello. La robustezza del modello dipenderà dalla funzione di fitness scelta per la stima della robustezza.
La robustezza può anche essere vista come una stima del modello. La robustezza è la valutazione della capacità del modello di funzionare su nuovi dati, cioè è la funzione di fitness da massimizzare.
Non credo che si tratti di concetti molto complessi e difficili da comprendere, ma è ancora più sorprendente il numero di idee sbagliate che ci sono su questo argomento.
Le valutazioni, le funzioni di fitness, possono essere a livelli, con ogni livello che controlla metriche separate. Ma per qualche ragione, molte persone percepiscono la funzione di fitness come qualcosa di riassuntivo, "in cima".
Ancora una volta, la funzione di fitness è un metodo di stima del modello. La robustezza del modello dipenderà dalla funzione di fitness scelta per la stima della robustezza.
La robustezza può anche essere vista come una stima del modello. La robustezza è la valutazione del modello per la sua capacità di funzionare su nuovi dati, cioè è la funzione di fitness da massimizzare.
Non credo che si tratti di concetti molto complessi e difficili da comprendere, ma è ancora più sorprendente il numero di idee sbagliate che ci sono su questo argomento.
Le valutazioni, le funzioni di fitness, possono essere a livelli, con ogni livello che controlla metriche separate. Ma per qualche motivo, molte persone percepiscono la funzione di fitness come qualcosa di riassuntivo, "in cima".
Le dà fastidio che in risposta al mio codice di un esempio di funzione di fitness, e ce ne sono centinaia, lei abbia di nuovo un mucchio di parole?
Inoltre, nessuno si confonde sul fatto che l'algoritmo di ottimizzazione top-3 o addirittura top-1 del mondo, generalmente riconosciuto e noto come PSO, si trovi alla fine della classifica, e alcuni nomi senza nome che nessuno ha mai sentito nominare, come i lupi grigi, le erbacce, ecc.)
Non prendo questa valutazione come un giudizio perché non è chiaro da chi sia stata scritta, ma solo copiando algoritmi in mql e adattandoli a qualche funzione. E in realtà le forme delle superfici da ottimizzare sono molto diverse e ci possono essere delle sfumature.
mytarmailS #: E inoltre nessuno si confonde con un algoritmo di ottimizzazione top-3 o addirittura top-1 al mondo, generalmente riconosciuto e noto come PSO che ha alla fine del rating, e alcuni nomi noti di cui nessuno ha sentito parlare come lupi grigi, erbacce, ecc ha leader)).
Nessuno ha fatto questa domanda? Dovreste farlo.
E voi? I vostri schemi abituali si rompono quando guardate i test?
Fate voi stessi qualcosa di simile, scrivete un codice in MQL5 degli algoritmi più famosi, descrivete e raccontate come funziona il vostro codice e poi pubblicate i risultati dei test, in modo che chiunque possa riprodurre questi test.
Poi parleremo di quali domande si dovrebbero fare e perché.
Per ora, le vostre sono solo chiacchiere senza fondamento.
Maxim Dmitrievsky #: Non prendo questa valutazione come un giudizio perché non è chiaro da chi sia stata scritta, ma solo copiando algoritmi in mql e adattandoli a qualche funzione. E in realtà le forme delle superfici da ottimizzare sono molto varie e ci possono essere delle sfumature.
O gli algoritmi sono implementati in modo errato o l'esperimento è stato eseguito in modo errato o entrambi.
Ancora una volta, la funzione di fitness è un metodo di stima del modello. La robustezza del modello dipenderà dalla funzione di fitness scelta per la stima della robustezza.
La robustezza può anche essere vista come una stima del modello. La robustezza è la valutazione della capacità del modello di funzionare su nuovi dati, cioè è la funzione di fitness da massimizzare.
Non credo che si tratti di concetti molto complessi e difficili da comprendere, ma è ancora più sorprendente il numero di idee sbagliate che ci sono su questo argomento.
Le valutazioni, le funzioni di fitness, possono essere a livelli, con ogni livello che controlla metriche separate. Ma per qualche ragione, molte persone percepiscono la funzione di fitness come qualcosa di riassuntivo, "in cima".
I termini non dichiarati sono il male))))))
Ancora una volta, la funzione di fitness è un metodo di stima del modello. La robustezza del modello dipenderà dalla funzione di fitness scelta per la stima della robustezza.
La robustezza può anche essere vista come una stima del modello. La robustezza è la valutazione del modello per la sua capacità di funzionare su nuovi dati, cioè è la funzione di fitness da massimizzare.
Non credo che si tratti di concetti molto complessi e difficili da comprendere, ma è ancora più sorprendente il numero di idee sbagliate che ci sono su questo argomento.
Le valutazioni, le funzioni di fitness, possono essere a livelli, con ogni livello che controlla metriche separate. Ma per qualche motivo, molte persone percepiscono la funzione di fitness come qualcosa di riassuntivo, "in cima".
Le dà fastidio che in risposta al mio codice di un esempio di funzione di fitness, e ce ne sono centinaia, lei abbia di nuovo un mucchio di parole?
E inoltre nessuno si confonde con un algoritmo di ottimizzazione top-3 o addirittura top-1 al mondo, generalmente riconosciuto e noto come PSO che ha alla fine del rating, e alcuni nomi noti di cui nessuno ha sentito parlare come lupi grigi, erbacce, ecc ha leader)).
E voi? I vostri schemi abituali si rompono quando guardate i test?
Fate voi stessi qualcosa di simile, scrivete un codice in MQL5 degli algoritmi più famosi, descrivete e raccontate come funziona il vostro codice e poi pubblicate i risultati dei test, in modo che chiunque possa riprodurre questi test.
Poi parleremo di quali domande si dovrebbero fare e perché.
Per ora, le vostre sono solo chiacchiere senza fondamento.
Non prendo questa valutazione come un giudizio perché non è chiaro da chi sia stata scritta, ma solo copiando algoritmi in mql e adattandoli a qualche funzione. E in realtà le forme delle superfici da ottimizzare sono molto varie e ci possono essere delle sfumature.
O i suoi algoritmi sono stati implementati in modo errato o l'esperimento è stato eseguito in modo errato o entrambi.