실질적인 조언을 구합니다.

새 코멘트
 

실제로 문제는 결과를 올바르게 평가하는 방법입니다.

각 모듈의 오류는 백분율로 표시됩니다. 0%가 이상적인 결과입니다.

________________ 옵션 ________________ 모드 1 모드 2 모드 3 모드 4 모드 5 모드 6 모드 7 모드 8 모드 9 모드 10 모드 11 모드 12 모드 13 모드 14 모드 15 평균 오차 시도의
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_HAND 4.43 17.09 15.82 2.53 0.63 17.72 28.48 5.70 13.29 5.70 8.23 6.33 0.63 3.16 6.96 9.11 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT1 5.06 17.72 12.66 3.80 0.63 19.62 29.11 4.43 9.49 5.06 6.33 6.33 1.90 1.90 6.33 8.69 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT2 4.43 20.25 16.46 4.43 0.63 17.72 29.75 6.33 5.06 8.23 10.13 5.06 0.63 1.27 4.43 8.99 158.00


각 모듈의 오류가 최소화되고 확산도 최소화되기를 바랍니다.

 
Сергей Таболин :

실제로 문제는 결과를 올바르게 평가하는 방법입니다.

각 모듈의 오류는 백분율로 표시됩니다. 0%가 이상적인 결과입니다.

________________ 옵션 ________________ 모드 1 모드 2 모드 3 모드 4 모드 5 모드 6 모드 7 모드 8 모드 9 모드 10 모드 11 모드 12 모드 13 모드 14 모드 15 평균 오차 시도의
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_HAND 4.43 17.09 15.82 2.53 0.63 17.72 28.48 5.70 13.29 5.70 8.23 6.33 0.63 3.16 6.96 9.11 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT1 5.06 17.72 12.66 3.80 0.63 19.62 29.11 4.43 9.49 5.06 6.33 6.33 1.90 1.90 6.33 8.69 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT2 4.43 20.25 16.46 4.43 0.63 17.72 29.75 6.33 5.06 8.23 10.13 5.06 0.63 1.27 4.43 8.99 158.00


각 모듈의 오류가 최소화되고 확산도 최소화되기를 바랍니다.

로그의 곱

추신: 정확히 무엇이 필요한지 잘 이해하지 못했지만 로그를 사용하면 오류를 점진적으로 처리할 수 있습니다. 이렇게 하면 격리된 경우(개별 모듈)에서 더 나은 결과를 얻을 수 있습니다. 그리고 곱셈은 확산을 줄이기 위한 시도입니다.
 
Alexandr Andreev :

로그의 곱

추신: 정확히 무엇이 필요한지 잘 이해하지 못했지만 로그를 사용하면 오류를 점진적으로 처리할 수 있습니다. 이렇게 하면 격리된 경우(개별 모듈)에서 더 나은 결과를 얻을 수 있습니다. 그리고 곱셈은 확산을 줄이기 위한 시도입니다.

고맙습니다. 실질적으로 어떻습니까?

 
Сергей Таболин :

고맙습니다. 실질적으로 어떻습니까?

아마도 일만 갈 것입니다.

Variant1 ) 각 모듈을 스타일(1-x%)로 변환하고 곱할 가치가 있습니다. ..... 결과 답변도 1에서 뺍니다.

여기서 x%는 셀의 값입니다.

옵션2

음, 로그를 사용하면 셀의 값을 가져와서 로그를 계산합니다.))) 값이 0에 가까울수록 추정치의 진행성이 높아집니다. 특정 기본 설정을 사용하면 0.1이 1보다 나은 것처럼 0.1이 0.01보다 낫습니다. 로그의 밑을 위한 매개변수만 있을 것이며, 이 매개변수는 가지고 놀 가치가 있습니다.

 
Alexandr Andreev :

아마도 작업이 진행될 것입니다.

Variant1 ) 각 모듈을 스타일(1-x%)로 변환하고 곱할 가치가 있습니다. ..... 결과 답변도 1에서 뺍니다.

여기서 x%는 셀 값입니다.

옵션2

음, 로그를 사용하면 셀의 값을 가져와서 로그를 계산합니다.))) 값이 0에 가까울수록 추정치의 진행성이 높아집니다. 특정 기본 설정을 사용하면 0.1이 1보다 나은 것처럼 0.1이 0.01보다 낫습니다. 로그의 밑을 위한 매개변수만 있을 것이며, 이 매개변수는 가지고 놀 가치가 있습니다.

옵션 1

-3.43 -16.09 -14.82 -1.53 0.37 -16.72 -27.48 -4.70 -12.29 -4.70 -7.23 -5.33 0.37 -2.16 -5.96 10601305851.38
-4.06 -16.72 -11.66 -2.80 0.37 -18.62 -28.11 -3.43 -8.49 -4.06 -5.33 -5.33 -0.90 -0.90 -5.33 -6223799946.09
-3.43 -19.25 -15.46 -3.43 0.37 -16.72 -28.75 -5.33 -4.06 -7.23 -9.13 -4.06 0.37 -0.27 -3.43 1237520122.21


이것은 나에게 무엇을 말해주는가?

옵션 2

-0.64640373 -1.23274206 -1.19920648 -0.40312052 0.200659451 -1.24846372 -1.45453998 -0.75587486 -1.12352498 -0.75587486 -0.91539984 -0.80140371 0.200659451 -0.49968708 -0.84260924
-0.70415052 -1.24846372 -1.10243371 -0.5797836 0.200659451 -1.292699 -1.46404221 -0.64640373 -0.97726621 -0.70415052 -0.80140371 -0.80140371 -0.2787536 -0.2787536 -0.80140371
-0.64640373 -1.30642503 -1.21642983 -0.64640373 0.200659451 -1.24846372 -1.47348697 -0.80140371 -0.70415052 -0.91539984 -1.00560945 -0.70415052 0.200659451 -0.10380372 -0.64640373


밑이 0.1인 로그입니다.

무엇을 할 수 있습니까?

나는 다른 기능을 시도했습니다. 그러나 그것들을 어떻게 이해해야 합니까? ....

STDEV 7.8208
7.9133
8.4150
DISP.V 61.1650
62.6198
70.8128
쿼드로트 856.3093
876.6772
991.3799
중앙값 6.3300
6.3300
5.0600
SKOS 1.1805
1.5197
1.3018
과잉 1.1322
1.9702
1.1832
 
각 행 에서 최대값 을 찾은 다음 최소값이 있는 행을 선택합니다. 말장난 죄송합니다))
 
Dmitry Fedoseev :
각 행 에서 최대값 을 찾은 다음 최소값이 있는 행을 선택합니다. 말장난 죄송합니다))

라인 3의 최대 최대값, 첫 번째 라인의 최소 최대값. 그리고? )))

 
Сергей Таболин :

라인 3의 최대 최대값, 첫 번째 라인의 최소 최대값. 그리고? )))

첫 번째 줄을 선택합니다.

 
Сергей Таболин :

옵션 1

-3.43 -16.09 -14.82 -1.53 0.37 -16.72 -27.48 -4.70 -12.29 -4.70 -7.23 -5.33 0.37 -2.16 -5.96 10601305851.38
-4.06 -16.72 -11.66 -2.80 0.37 -18.62 -28.11 -3.43 -8.49 -4.06 -5.33 -5.33 -0.90 -0.90 -5.33 -6223799946.09
-3.43 -19.25 -15.46 -3.43 0.37 -16.72 -28.75 -5.33 -4.06 -7.23 -9.13 -4.06 0.37 -0.27 -3.43 1237520122.21


이것은 나에게 무엇을 말해주는가?

옵션 2

-0.64640373 -1.23274206 -1.19920648 -0.40312052 0.200659451 -1.24846372 -1.45453998 -0.75587486 -1.12352498 -0.75587486 -0.91539984 -0.80140371 0.200659451 -0.49968708 -0.84260924
-0.70415052 -1.24846372 -1.10243371 -0.5797836 0.200659451 -1.292699 -1.46404221 -0.64640373 -0.97726621 -0.70415052 -0.80140371 -0.80140371 -0.2787536 -0.2787536 -0.80140371
-0.64640373 -1.30642503 -1.21642983 -0.64640373 0.200659451 -1.24846372 -1.47348697 -0.80140371 -0.70415052 -0.91539984 -1.00560945 -0.70415052 0.200659451 -0.10380372 -0.64640373


밑이 0.1인 로그입니다.

무엇을 할 수 있습니까?

나는 다른 기능을 시도했습니다. 그러나 그것들을 어떻게 이해해야 합니까?

뜨거워." 각 모듈의 오차는 백분율로 표시됩니다. 이상적인 결과는 0%입니다." 숫자 1은 100% - x% 또는 1-X * 0.01을 의미했습니다.

 
@Sergey Tabolin @Sergey Tabolin
총
0.9557 0.8291 0.8418 0.9747 0.9937 0.8228 0.7152 0.943 0.8671 0.943 0.9177 0.9367 0.9937 0.9684 0.9304 0.77439
0.9494 0.8228 0.8734 0.962 0.9937 0.8038 0.7089 0.9557 0.9051 0.9494 0.9367 0.9367 0.981 0.981 0.9367 0.758606
0.9557 0.7975 0.8354 0.9557 0.9937 0.8228 0.7025 0.9367 0.9494 0.9177 0.8987 0.9494 0.9937 0.9873 0.9557 0.771806

이를 바탕으로 가장 좋은 두 번째 라인과 첫 번째와 세 번째 라인은 매우 유사합니다.

단위에서 합계를 뺀 것입니다. 결과가 0에 가까울수록 더 좋은 결과를 가져온다는 것입니다..... 즉, 지금까지의 결과는 그다지 좋지 않습니다. 0.75는 75이지만 무엇과 비교할지에 따라 ..... 가능한 최악의 점수는 1(100%)이 될 것입니다.

모든 모듈이 100의 오류 점수 ... 또한 공정하고 반대편에 있습니다. 저것들. 0.1점은 0.01점보다 10배나 나쁩니다. 10점은 1점보다 10배 더 나쁘다.



생각할 로그와 함께 ..... 대답은 독점적으로 양수 값이어야합니다 ... 일반적으로 0에서 1이 아닌 1에서 2까지의 범위에서 1.1의 로그를 취합니다 ... . 숫자를 늘리려면 2에서 점진적으로 줄이려면 각각


2차 편차의 방법은 확실히 주제가 아닙니다. 편차를 고려하는 다른 모든 사람들도 마찬가지입니다. 왜냐하면 이상적으로는 스프레드의 차이를 이해하려면 선형 회귀에서 편차의 제곱을 사용해야 합니다. 그러나 우리는 숫자 자체에 대한 평균 지표 없이 이러한 편차의 추정치를 얻습니다.

 
Сергей Таболин :

실제로 문제는 결과를 올바르게 평가하는 방법입니다.

각 모듈의 오류는 백분율로 표시됩니다. 0%가 이상적인 결과입니다.

________________ 옵션 ________________ 모드 1 모드 2 모드 3 모드 4 모드 5 모드 6 모드 7 모드 8 모드 9 모드 10 모드 11 모드 12 모드 13 모드 14 모드 15 평균 오차 시도의
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_HAND 4.43 17.09 15.82 2.53 0.63 17.72 28.48 5.70 13.29 5.70 8.23 6.33 0.63 3.16 6.96 9.11 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT1 5.06 17.72 12.66 3.80 0.63 19.62 29.11 4.43 9.49 5.06 6.33 6.33 1.90 1.90 6.33 8.69 158.00
2_48_24_2160_12_VECTOR_UP_HIDDEN_LAYERS_MT2 4.43 20.25 16.46 4.43 0.63 17.72 29.75 6.33 5.06 8.23 10.13 5.06 0.63 1.27 4.43 8.99 158.00


각 모듈의 오류가 최소화되고 확산도 최소화되기를 바랍니다.

모듈 오류에 대한 제곱합을 구하고 루트를 취하는 것이 더 나을 것입니다.
따라서 모듈 오류의 일반적인 추정치를 얻습니다.
값이 0에 가까울수록 좋습니다.
이 같은.

 //+------------------------------------------------------------------+
//|                                                EstimateError.mq5 |
//|                        Copyright 2020, MetaQuotes Software Corp. |
//|                                             https://www.mql5.com |
//+------------------------------------------------------------------+
#property copyright "Copyright 2020, MetaQuotes Software Corp."
#property link        "https://www.mql5.com"
#property version    "1.00"


double ModN[ 15 ][ 3 ] = {{ 4.43 , 5.06 , 4.43 },
                      { 17.09 , 17.72 , 20.25 },
                      { 15.82 , 12.66 , 16.46 },
                      { 2.53 , 3.80 , 4.43 },
                      { 0.63 , 0.63 , 0.63 },
                      { 17.72 , 19.62 , 17.72 },
                      { 28.48 , 29.11 , 29.75 },
                      { 5.70 , 4.43 , 6.33 },
                      { 13.29 , 9.49 , 5.06 },
                      { 5.70 , 5.06 , 8.23 },
                      { 8.23 , 6.33 , 10.13 },
                      { 6.33 , 6.33 , 5.06 },
                      { 0.63 , 6.33 , 0.63 },
                      { 3.16 , 1.90 , 1.27 },
                      { 6.96 , 6.33 , 4.43 }};

//+------------------------------------------------------------------+
//| Script program start function                                    |
//+------------------------------------------------------------------+
void OnStart ()
{
   double ModX[];
   ArrayResize (ModX, 3 );
   ZeroMemory (ModX);   
   
   int     num = 1 ;
   double est = 0.0 ;
   
   for ( int i= 0 ; i< 15 ; i++)
   {
       for ( int j= 0 ; j< 3 ; j++)
      {
         ModX[j] = ModN[i][j];         
      }
         
      est = EstimateError(ModX);  
      
       PrintFormat ( "Mod" +( string )num+ " EstimateError: %.3f" , est); 
      num++;
   }         
} // End OnStart

//+------------------------------------------------------------------+
double EstimateError( double & arr[])
{
   int size = ArraySize (arr);
   if (size == 0 || size < 3 ) 
       return ( 0.0 );
   
   //double avg       = ArrayMean(arr); 
   double max       = ArrayMax(arr);   
   double min       = ArrayMin(arr); 
   double sum_sqr_e = 0.0 ;
   double est_e     = 0.0 ;      
   
   
   for ( int i= 0 ; i<size; i++)   
      sum_sqr_e += MathPow (arr[i] - (max-min) /* или avg*/ , 2.0 ) / (size - 2.0 );
      
   est_e = MathSqrt (sum_sqr_e);   

   return (est_e);
}

//+-------------------------------------------------------------------
//Возвращает максимальное значение элементов массива
double ArrayMax( double & arrIn[])
{
   uint size = ArraySize (arrIn);
   if (size == 0 ) 
       return ( 0.0 );          
   
   double max = arrIn[ 0 ];
   for ( uint i= 1 ; i<size; i++)
       if (arrIn[i] > max) 
         max = arrIn[i];

   return (max);
}

//--------------------------------------------------------------------
//Возвращает минимальное значение элементов массива
double ArrayMin( double & arrIn[])
{
   uint size = ArraySize (arrIn);
   if (size == 0 ) 
       return ( 0.0 );   
   
   double min = arrIn[ 0 ];  
   for ( uint i= 1 ; i<size; i++)
       if (arrIn[i] < min) 
         min = arrIn[i];

   return (min);
}

//--------------------------------------------------------------------
//Возвращает средне арефметическое значение элементов массива
double ArrayMean( double & arrIn[])
{
   uint size = ArraySize (arrIn);
   if (size == 0 ) 
       return ( 0.0 );         

   double sum = 0.0 ;       
   for ( uint i= 0 ; i<size; i++) 
      sum += arrIn[i];     
   
   return (sum/size);
}

//--------------------------------------------------------------------

2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod1 EstimateError: 6.965
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod2 EstimateError: 26.422
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod3 EstimateError: 19.577
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod4 EstimateError: 3.226
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod5 EstimateError: 1.091
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod6 EstimateError: 28.540
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod7 EstimateError: 48.234
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod8 EstimateError: 6.361
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod9 EstimateError: 6.102
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod10 EstimateError: 5.965
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod11 EstimateError: 8.130
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod12 EstimateError: 8.098
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod13 EstimateError: 7.198
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod14 EstimateError: 1.413
2020.06 . 07 04 : 59 : 23.227 EstimateError (AUDUSD,M5)       Mod15 EstimateError: 6.138

점수는 Mod5가 가장 작은 오차를 가지고 있음을 보여줍니다.

1234567
새 코멘트