フィッティングと実際のパターンの境界線はどこにあるのでしょうか？ - ページ 21

[Vitaliy]

Reshetov:

特に才能のある人へ。

1) in russkomazykenetlova osobogodnymi.

まあ、1回ならともかく、5ページで5回連続は無理でしょう。

2）ピリオドを分割することの弊害......。

и

OOSテストの 弊害・・・。

は、これらは別のものであることに同意します。

信頼できる情報を誤魔化さないこと。すでにあまりないのですが...。)

[Andrey Dik]

Reshetov:

いや、そんなことはない、OOSの検査が陽性だったら

OOSでネガティブな結果が出たとしても、必ずしもサンプルとの適合を意味するわけではなく、市場は変化する可能性があります。適合性を確認するために、サンプル前とサンプル後のOOSのテストを行う必要があります。これらのフォワードの結果が両方ともマイナスであれば、すでに裸の金具を扱っていることになる。

フォワードテストの成功は、将来におけるTSの収益性を保証するものではありません。その目的は、調整内容を確認することです。

最適化期間中にTCが露骨に調整されていないことを確認するため、OOSテストを実施します。

---

すべて正解です。でも。OOSは、TSが一般化できる（何らかの規則性が見つかり、異なるデータでもこの規則性を含んでいれば結果は似てくる）ことを確信するために、最適化期間で得られる情報とは異なる情報を含んでいる必要があります。そうでなければ、OOSでのテストはサンプルと同じ結果になるが、TSがパターンを学習したことを確認できず、将来、TSは同じ結果では働けなくなる。

---

さあ、ご注目ください。質問：OOSにSと異なるデータが含まれているかどうか確認しますか？もしそうなら、どのように？

[Vitaliy]

もし、図そのものに不正確な点を発見された方がいらっしゃいましたら、ご一報ください...。

寸法はその通りなのですが、やはりぼやけた画像になってしまいます。別ウィンドウではクリア。

[Andrey Dik]

Figar0:

トレーニング用のデータを準備中とのことですが、どのようにすればよいのでしょうか？具体的に、いつからそのようなテクニックを使っているのか、教えてください。その言葉には何か通じるものがあり、文脈についての枝のように、最適化のためにあらかじめ必要なパラメータで合成データを用意し、データのパラメータを変えてTSの反応を見ることを提案したことを思い出します。デのように、私の意見に賛同しつつも、私とは少し違う選択肢を提案されたのだと思いますが、実際の歴史の断片からデータを用意する、ということでしょうか？

[Yury Reshetov]

lasso:

1) russkomazykenetlova osogodarstvennyy.goで...。)

特に才能のある人へ。

をご覧ください。Académiqueに関する辞書・事典:特別な才能を持つ人々

追伸：特に優秀なロシア語通の方へ：ロシア語には、ある単語と他の単語を区切るためのスペースが存在します。

[Debugger]

ワイ、ワイ、ワイ...。

なんて複雑なんだ...:))

[Sceptic Philozoff]

lasso、神経グリッドについてあまり複雑でないものを読むのが一番です。この用語はそこからきているのだと思います。もしかしたら、用語が不正確かもしれません、久しぶりに読んだのでご容赦ください。

1.サンプルデータ： 学習用プロット。この部分から直接データを取り出し、ネットワークに教え込むのです。

2.検証データ： 検証部。この部分は学習を行わず、誤差の推定や学習を停止する際の制御に利用します。実行回数に応じた検証誤差の曲線はよく知られている。これは最小値を持つ曲線です。訓練時間が長すぎると、つまり時間内に止めないと、訓練区間の誤差はまだ減りますが、今度は検証区間の誤差が大きくなってしまいます。これはフィッティングです。トレーニングセクションでかなりデータを近似させたのですが、検証誤差が大きくなり始めたので、やり過ぎました。ニューラルネットワークの学習の質や汎化能力の評価となるのは、2つ目のエラーである。

3.テストデータ。これはまさにOOS、アウトオブサンプルです。

2つ目のプロット、誤差を評価する検証プロットは、訓練はしていませんが、OOSではありません。それでも、このセクションのデータは、1のデータの学習に使用されます。トレーニングの品質（より正確には汎化）をきちんと完全に独立して検証するためには、まだ見ていない、トレーニングに使っていないデータを取る必要があります。

このテスターには、ニューラルネットワークはありません。サンプルデータ部で直接誤差を推定します。だから、ここで直接ナーブメソッドを移植することはできない。でも、xeonは TestCommanderで、ここでも何かを発明したのかもしれませんね...。

[Andrey Dik]

Reshetov:

特に才能のある人へ。

をご覧ください。アカデミックな辞書・百科事典：特別な才能を持つ人 へ

追伸：特に優秀なロシア語専門家へ：ロシア語には隙間がある

才能」という言葉の曲解がないように、あなたの解釈を教えていただけませんか。

[Avals]

joo:
Figar0:

トレーニング用のデータを準備中とのことですが、どのようにすればよいのでしょうか？具体的に、いつからそのようなテクニックを使っているのか、教えてください。その言葉には何か通じるものがあり、文脈についての枝のように、最適化のためにあらかじめ必要なパラメータで合成データを用意し、データのパラメータを変えてTSの反応を見ることを提案したことを思い出します。デのように、私の意見に賛同しつつも、私とは少し違う選択肢を提案されたのだと思いますが、実際の歴史の断片からデータを用意する、ということでしょうか？

あるルールで学習するためのデータを用意することは、システムに余分なフィルターを導入することに他なりません。

[Andrei01]

Reshetov:

特に才能のある人のために：非定常性とは、期待ペイオフや分散のような統計的規則性がないこと。

ボリンジャー・エンベロープをチャートに貼ると、非定常性の「パターン」が何であるかがわかります。なぜなら、この指標の中心は期待値であり、中心からエンベロープまでの距離は分散であるからです。

期待値と分散は、無限に大きなサンプルで初めて意味を持つ。