Encontrar um conjunto de indicadores para alimentar as entradas da rede neural. Discussão. Uma ferramenta para avaliar os resultados. - página 6
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
joo писал(а) >>
rip e IlyaA parece não entender que iliarr está usando um método de ensino sem um professor. De que tipo de erro de aprendizagem podemos falar, se a função alvo é o lucro? Ou ambos pensam que tendo treinado a rede sobre a história, você a executará sobre um histórico de testes e comparará o lucro obtido? O lucro será diferente, menos ou mais, mas diferente. O histórico dos testes é diferente. Não confundir com aproximação, por favor, onde o critério de qualidade da aproximação é o desvio padrão da função original e da função obtida.
O que a MSE tem a ver com isso?! A estimativa de correção da rede de acordo com a idéia do autor é a função lucro. O lucro é calculado em relação a eles ou usando-os - isto pode ser visto no código. Ok, então a questão é simplesmente ver como um indivíduo se comporta em uma amostra de teste, que é considerada a melhor em uma determinada geração. Por que eu acho que isto é importante, o lucro é contado em relação à amostra de treinamento. E quem dirá que se comportará da mesma forma em amostras que não foram apresentadas à rede.
Não importa o método pelo qual a rede seja treinada, com ou sem um professor, uma amostra de teste com um resultado conhecido nos permite estimar o grau de sobretreinamento.
Ou então voltamos ao 'xamanismo' - algo foi dado à rede, algo foi recebido, e agora vamos interpretar o resultado.
O f-f de lucro não pode ser usado como uma estimativa da exatidão do trabalho de uma rede. O Fator de Lucro descreve apenas uma rede do ponto de vista da capacidade de um Expert Advisor de obter o maior lucro possível. Não podemos dizer mais nada sobre a exatidão de uma rede. Basta pensar que durante um certo período de tempo é possível obter a mesma quantidade de lucro de muitas maneiras diferentes. Todo comerciante está principalmente preocupado com o caminho a seguir. Por exemplo, o máximo de drawdown relativo ou outros critérios de avaliação do TS pode ser usado para avaliar o desempenho da rede. Isto é, o autor deve maximizar o lucro da amostra de treinamento, testá-la em uma amostra de teste e estimá-la usando os parâmetros descritos acima. Ou você otimizando um Expert Advisor Makdi padrão, por exemplo, você também selecionará a variante com o máximo lucro?
Independentemente do método pelo qual a rede é treinada, com ou sem um professor, uma amostra de teste com um resultado conhecido nos permite avaliar o grau de supertreinamento.
Ou então voltamos ao "xamanismo" - demos algo à rede, conseguimos algo, e agora vamos interpretar o resultado.
Como você obterá um resultado conhecido em uma amostra de teste se a função de lucro for utilizada?
Caro joo, peço-lhe que não discuta um comportamento ou pensamentos de outras pessoas, especialmente se a pessoa não estiver familiarizada com você....
Peço desculpas se parecia que eu estava discutindo o comportamento de outra pessoa ou o pensamento de outras pessoas, não achei que fosse pessoal. Mais uma vez, lamento se foi esse o caso.
Também lhe peço que responda a esta pergunta. Você acha que uma rede se adaptará aos dados se ela for treinada com genética? Adaptar-se e não generalizar?
A capacidade de uma rede neural de se adaptar a qualquer coisa não depende da genética. A genética é apenas um dos métodos de otimização. A chave está nos dados apresentados, na topologia da rede, nos métodos de estimar o resultado.
A capacidade de uma rede neural de se adaptar a qualquer coisa não depende da genética. A genética é apenas um dos métodos de otimização. O ponto-chave está nos dados apresentados, na topologia de uma rede, nos métodos de estimativa de resultado.
Bem, estou feliz que seja tão amigável. Assim, a lógica é que se não há curva de erro de aprendizagem, então há uma curva de eficiência de aprendizagem. Nesse caso, o público precisa olhar para ela. De acordo.Assim, a lógica é a seguinte: se não há curva de erro de aprendizagem, então há uma curva de eficiência de aprendizagem. Nesse caso, o público precisa olhar para ela. >> De acordo.
Minha lógica é a seguinte:
Por analogia com o mundo animal. Há um cervo e um lobo que vivem em uma floresta. Ambos pesam 80 kg. Um cervo mordisca na grama 24 horas por dia, enquanto um lobo come metade de um alce e não come por quinze dias. Sua ingestão calórica média é a mesma. Mas a maneira como eles obtêm seus alimentos é diferente.
Assim como a TC. Devemos escolher como o lucro será obtido, e, portanto, escolher os critérios para avaliar a TC, e no contexto deste ramo - NN.
Minha lógica é a seguinte:
Por analogia com o mundo animal. Há um cervo e um lobo que vivem na floresta. Ambos pesam 80 quilos. Um cervo mordisca na grama 24 horas por dia, enquanto um lobo come metade de um alce e não come por quinze dias. Sua ingestão calórica média é a mesma. Mas a maneira como eles obtêm seus alimentos é diferente.
Assim como a TC. Temos que escolher como obter o lucro, e, portanto, escolher os critérios de avaliação do TC, e no contexto deste ramo - NN.
Você está avaliando o desempenho da rede do ponto de vista do TC. Estou olhando para a própria rede, sem referência ao TC. A rede é apenas um mecanismo de análise de dados e nada mais.
Mas usando sua alegoria, quero ver um gráfico como um veado e um lobo ganharem peso separadamente (este treinamento) em um zoológico, e também um gráfico como um veado e um lobo ganharão peso, se dissermos que foram soltos na natureza (teste), bem, em um parque nacional, onde serão vigiados por guardas-florestais. Com base nisso seria possível construir uma hipótese de como eles se comportarão na natureza %)
Você está avaliando o desempenho da rede do ponto de vista do TC. Estou olhando para a própria rede, sem referência ao TC. A rede é apenas um mecanismo de análise de dados e não mais.
Mas aplicando sua alegoria, eu gostaria de ver um gráfico de como os cervos e lobos ganham peso separadamente (este é um treinamento) em um zoológico, e também um gráfico de como os mesmos cervos e lobos ganharão peso, se dissermos que são soltos na natureza (teste), bem, em um parque nacional, onde serão vigiados por guardas de caça. Com base nisso, podemos fazer uma hipótese de como eles se comportarão na natureza %)
não há muito de errado. Precisamos estimar de alguma forma que se levantamos um cervo, acabamos com um belo veado e não com um lobo. Ou seja, para avaliar não a taxa e o volume de alimentos ingeridos, mas a pertença às espécies que desejamos. Talvez para realizar uma classificação, em essência, para determinar a "similaridade" da curva de consumo com a de referência. E esta é uma tarefa separada e difícil.
rip 10.11.2009 23:18
Independentemente do método utilizado para treinar a rede, com ou sem um professor, uma amostra de teste com um resultado conhecido permite avaliar o grau de sobretreinamento.
Caso contrário, voltamos ao "xamanismo": demos algo para a rede, recebemos algo, e agora vamos interpretar o resultado.
Uma observação perfeitamente legítima. Para isso, descarrego um neurônio treinado em um Expert Advisor comercial MT4 para verificar no testador de estratégia MT4 o que consegui.
A citação é do primeiro post do tópico:
iliarr 09.11.2009 13:13
Exporto a rede treinada para a MQL4 Expert Advisor e verifico sua funcionalidade no Strategy Tester do MT4. Vou formar entradas para a rede neural no indicador MT4 e exportá-las para um arquivo.
E prontos para postar estes uploads aqui, a fim de avaliar a qualidade dos dados alimentados na rede. Proponho escolher a faixa M5 de 1-08-2009 a 1-10-2009 e ensinar redes neurais similares sobre ela da mesma forma. Este método não pretende ser absolutamente preciso, mas acho que servirá para comparação.
Você está avaliando o desempenho da rede do ponto de vista do TC. Estou olhando para a própria rede, sem referência ao TC. A rede é apenas um mecanismo de análise de dados e não mais.
Mas aplicando sua alegoria, eu gostaria de ver um gráfico de como os cervos e lobos ganham peso separadamente (este é um treinamento) em um zoológico, e também um gráfico de como os mesmos cervos e lobos ganharão peso, se dissermos que são soltos na natureza (teste), bem, em um parque nacional, onde serão vigiados por guardas de caça. Nesta base, será possível fazer uma hipótese de como eles se comportarão na natureza %)
Durante o treinamento, um registro é mantido desta forma:
Se a função alvo for maior que a atual, a rede neural é descarregada em um arquivo e a próxima linha do registro é escrita. Não acho que esta seja a resposta à sua pergunta, mas não vejo a utilidade de manter outras estatísticas.