Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 3309

[Andrey Dik]

СанСаныч Фоменко #:

Não preciso de uma resposta para sua pergunta. Se eu encontrar a resposta, para onde irei com ela? Qual é o valor prático da resposta à sua pergunta?

Em que parte do EA inserirei a resposta à sua pergunta? Em que parte do IO colocarei a resposta à sua pergunta?

Por que fazer cem vezes uma pergunta cuja resposta eu não preciso?

Aqui está a resposta à sua pergunta (ou melhor, à minha pergunta original para você):

Mude o sinal da linha tracejada vermelha que está fora do intervalo, o que permanecer no intervalo desejado terá a pontuação máxima do que você está procurando, de modo que a otimização será reduzida a encontrar o MÁXIMO. o que você está procurando terá a pontuação máxima possível.

Essa é uma maneira simples de converter a pontuação que você está usando em uma pontuação com o valor máximo situado em um platô. Mas essa não é a maneira correta, a maneira correta é usar uma pontuação que inicialmente tenha um máximo no local que você está procurando.

Isso vale para tudo, treinamento de redes neurais, otimização de funções, otimização de estratégias, tudo.

Portanto, a afirmação "você não precisa procurar um máximo, você precisa procurar um platô estável" é inerentemente errônea, indicando o uso errôneo da estimativa.

[Maxim Dmitrievsky]

Maxim Dmitrievsky #:

Andrew está confundindo o treinamento NS com a otimização de seus parâmetros, eu acho

ambos são como otimização, o que é um pouco desconcertante quando um gatinho recebe muita comida. parece haver otimização de alimentos em todos os lugares e não está claro o que comer

[СанСаныч Фоменко]

Andrey Dik #:
Portanto, a afirmação "você não precisa procurar um máximo, você precisa procurar um platô estável" é inerentemente errônea, falando do uso errôneo da estimativa.

Ao contrário de sua afirmação, você mostrou que um platô foi encontrado ao demonstrar a estimativa.

Onde posso aplicar isso na prática?

Estamos discutindo o ajuste excessivo, que geralmente se baseia na otimização. No testador, isso é claro.

No MO, o ajuste excessivo é revelado pela execução do modelo em arquivos diferentes. A variação do desempenho do modelo é superajuste: nenhum critério é necessário. Há também um pacote que é revelado pelo ajuste excessivo.

Desça do céu, desculpe-me, de seus extremos para o chão, onde as coisas são diferentes.

[Andrey Dik]

СанСаныч Фоменко #:

Ao contrário de sua afirmação, você demonstrou que encontrou um patamar ao demonstrar apreciação.

Onde posso aplicar isso na prática?

Estamos discutindo o ajuste excessivo, que geralmente se baseia na otimização. No testador, tudo está claro.

No MO, o ajuste excessivo é revelado pela execução do modelo em arquivos diferentes. A variação do desempenho do modelo é superajuste: nenhum critério é necessário. Há também um pacote que detecta o ajuste excessivo.

Desça de seus extremos para o terreno onde as coisas são diferentes.

Você não sabe exatamente o que está procurando (você nunca respondeu à pergunta) e, se não souber, nunca encontrará.

[Maxim Dmitrievsky]

[Maxim Dmitrievsky]

mytarmailS combinarmos os parâmetros com ela em 10 iterações em vez de 10.000, isso pode ser considerado um modelo não treinado?

Afinal de contas, a própria frase"tivemos uma ideia" também implica algum tipo de processo de pensamento (iterações).

Como o modelo final sabe se foram iterações do cérebro ou do computador e se há alguma diferença entre as duas?

A pergunta surgiu depois de ler o artigo de Prado

O hacking de P tem a ver com a ampliação de dados de acordo com suas necessidades. Você pega qualquer FF e adiciona o máximo de dados à entrada para maximizá-la. Se a maximização não for boa, você adiciona mais dados ou escolhe um algoritmo de otimização mais preciso. Ou seja, qualquer FF pode ser maximizado dessa forma. Esse é o caso mais comum na otimização de TC. Nesse caso, mais dados - mais treinamento excessivo. Não há opções. Os mínimos-máximos globais não dizem absolutamente nada. A solução lógica é maximizar o FF e, ao mesmo tempo, minimizar o número de recursos, como escrevi acima. O menor mal, por assim dizer. Baes é a variante traidof, em palavras científicas.

O processo inverso é a pesquisa, em que você não faz suposições iniciais, não tira o FF do teto, examina os dados em busca de padrões.

"Você inventou isso" não tem nada a ver com a realidade. "Você tirou conclusões com base em pesquisas" tem.

E se você vai fazer pesquisa, precisa pelo menos definir o assunto e o método de pesquisa e, em seguida, escolher uma ferramenta de pesquisa. Se o objeto de sua pesquisa não for nem mesmo o PB, mas uma entidade conhecida apenas por você, você pode até mesmo determinar o resultado de tal pesquisa com antecedência. Sei que isso não é ensinado na universidade, então aqui vai :)

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
A pirataria tem a ver com a ampliação de dados de acordo com suas necessidades. Você pega qualquer FF e adiciona o máximo de dados à entrada para maximizá-la. Se a maximização for ruim, você adiciona mais dados ou escolhe um algoritmo de otimização mais preciso. Ou seja, qualquer FF pode ser maximizado dessa forma. Esse é o caso mais comum na otimização de TC. Nesse caso, mais dados - mais treinamento excessivo. Não há opções. Os mínimos-máximos globais não dizem absolutamente nada. A solução lógica é maximizar o FF e, ao mesmo tempo, minimizar o número de recursos, como escrevi acima. O menor mal, por assim dizer. Baes - variante de troca, em palavras científicas.

O processo inverso é a pesquisa, quando você não faz suposições iniciais, não tira o FF do teto, mas examina os dados em busca de padrões.

"Você inventou isso" não tem nada a ver com a realidade. "Você tirou conclusões com base em pesquisas" tem.

E se você vai fazer uma pesquisa, precisa definir pelo menos o assunto e o método da pesquisa e, em seguida, escolher uma ferramenta de pesquisa. Se o objeto de sua pesquisa não for nem mesmo o PB, mas uma entidade conhecida apenas por você, você pode até mesmo determinar o resultado de tal pesquisa com antecedência. Sei que isso não é ensinado na universidade, então aqui vai :)

Um barril de mel com uma colher de alcatrão, para que o mel possa ser jogado fora. Como disse Stirlitz, é a última frase que é memorável.

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

Um barril de mel com uma colher de alcatrão, para que o mel possa ser descartado. Como disse Stirlitz, o que conta é a última frase.

Isso é para que você não pareça muito inteligente.

[mytarmailS]

O processo de otimização é uma busca por parâmetros desconhecidos.

Cada iteração é um experimento/pesquisa em que a hipótese (parâmetros) é apresentada e o resultado do experimento é verificado (FF).

Portanto, o processo de otimização (busca) é uma pesquisa e tanto.

Mas isso não é dado ao nada intelectual para entender, é claro que não é dado, aqui você precisa pensar, a lógica deve ser incluída....

[Maxim Dmitrievsky]

mytarmailS #:
O processo de otimização é uma busca por parâmetros desconhecidos.

Cada iteração é um experimento/pesquisa em que a hipótese (parâmetros) é apresentada e o resultado do experimento é verificado (FF).

Portanto, o processo de otimização (busca) é uma pesquisa e tanto.

Mas isso não é dado para entender o nada intelectual, é claro que não é dado, aqui você precisa pensar, incluir a lógica...

A paródia de um pesquisador não percebe que todos os parâmetros são conhecidos antes do início da otimização. E o processo de otimização é uma busca por valores de parâmetros que maximizem qualquer função que sua mente inflamada tenha inventado.

Sua otimização se transforma em um longo e espinhoso caminho de exploração do fundo do poço onde ele se encontra.