Onde está a linha entre o encaixe e os padrões reais? - página 21
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
Para os particularmente dotados:
1) em russkomazykenetlova osobogodnymi.
Bem, você pode uma vez, mas não cinco vezes em cinco páginas consecutivas.
..............
2) O dano dos períodos de divisão.....
и
Os danos dos testes OOS....
concordam que estas são coisas diferentes.
Não deturpe informações confiáveis. Não há muito disso já.... )
Não, não foi, se o teste no OOS foi positivo.
Se houve um resultado negativo no OOS, isso não significa necessariamente um ajuste com a Amostra - o mercado pode mudar. Para ter certeza do ajuste, é necessário realizar testes no OOS antes da Amostra e depois da Amostra. Se o resultado para estes dois atacantes for negativo, então já lidamos com os encaixes nus.
Testes avançados bem sucedidos não garantem a rentabilidade do TS no futuro. Seu objetivo é identificar ajustes.
A fim de garantir que o TC não seja ajustado de forma brusca para o período de otimização, realizamos um teste de OOS.
Tudo está correto. Mas. O OOS deve conter informações diferentes daquelas disponíveis no período de otimização, para que possamos ter certeza de que o TS é capaz de generalização (alguma regularidade é encontrada e os resultados serão semelhantes em dados diferentes, mas contendo esta regularidade). Caso contrário, o teste no OOS terá os mesmos resultados que na amostra, mas não confirmará que o TS aprendeu um padrão, e no futuro, o TS não será capaz de trabalhar com os mesmos resultados.
Agora, preste atenção! Pergunta: Você verifica se o OOS contém dados diferentes do S? Em caso afirmativo, como?
Se alguém encontrar imprecisões no próprio diagrama, por favor me avise...
As dimensões são verdadeiras, mas ainda é uma imagem desfocada. Na janela separada, está claro.
Você diz que está preparando dados para o treinamento. Poderia ser mais específico, há quanto tempo você tem usado tais técnicas? Algo em suas palavras é muito familiar, lembro que sugeri, como no ramo sobre o contexto, preparar dados sintéticos com parâmetros preliminares necessários para otimização, para que você possa alterar os parâmetros de dados e ver a resposta do TS. Acho que, como você, você estava concordando comigo, mas sugerindo uma opção um pouco diferente da minha - preparar dados a partir de pedaços reais da história, não é verdade?
1) em russkomazykenetlova osogodarstvennyy.go.... )
Para os particularmente dotados:
ver. Dicionários e enciclopédias sobre a Académique: Especialmente dotados
P.S. Para conhecedores especialmente dotados do idioma russo: existem espaços no idioma russo para separar algumas palavras de outras.
Wai, wai, wai...
Como você é complicado...:))
lasso, sua melhor aposta é ler algo não muito complicado nas redes nervosas. Acho que foi daí que veio toda essa terminologia. Talvez eu seja impreciso em termos, com licença, já faz muito tempo que eu não leio isso:
1. dados da amostra: a trama de treinamento. Exemplo de trama, da qual retiramos diretamente os dados e treinamos a rede.
2. Dados de verificação: seção de verificação. Não treinamos nesta parte, mas a usamos para estimativa e controle de erros quando devemos interromper o treinamento. Há uma curva de erro de verificação bem conhecida, dependendo do número de execuções. Esta é uma curva com um mínimo. Se treinarmos por muito tempo, ou seja, se não pararmos a tempo, o erro na seção de treinamento ainda diminuirá, mas o erro na seção de verificação agora vai aumentar. Este é o ajuste: aproximamos muito bem os dados na área de treinamento, mas exageramos, pois o erro de verificação começou a crescer. É o segundo erro que é a avaliação da qualidade do treinamento e da capacidade de uma rede neural de generalizar.
3. Dados de teste. Este é um verdadeiro OOS, fora de amostra.
A segunda parcela, a parcela de verificação onde o erro é avaliado, não é o OOS, embora não treinamos nela. No entanto, os dados desta seção são usados para treinar os dados do primeiro. A fim de verificar a qualidade do treinamento (mais precisamente, generalização) de forma adequada e completamente independente, precisamos levar dados que ainda não vimos ou não utilizamos no treinamento.
Aqui no testador, não temos redes neurais. Um erro é estimado diretamente na seção Amostra de dados. Portanto, não há maneira de transferir diretamente os métodos nervosos aqui. Embora, talvez xeon tenha inventado algo aqui também com seu TestCommander.
Para os particularmente dotados:
ver. Dicionários e Enciclopédias no Acadêmico: Especialmente dotados
P.S. Para especialistas especialmente dotados da língua russa: existem lacunas na língua russa
Figar0:
Você diz que está preparando dados para o treinamento. Poderia ser mais específico, há quanto tempo você tem usado tais técnicas? Algo em suas palavras é muito familiar, lembro que sugeri, como no ramo sobre o contexto, preparar dados sintéticos com parâmetros preliminares necessários para otimização, para que você possa alterar os parâmetros de dados e ver a resposta do TS. Acho que, como você, você estava concordando comigo, mas sugerindo uma opção um pouco diferente da minha - preparar dados a partir de pedaços reais da história, não é verdade?
A preparação dos dados para treinamento em alguma regra está apenas introduzindo um filtro extra no sistema.
Para aqueles que são especialmente dotados: a não-estacionariedade é a ausência de regularidades estatísticas, tais como o payoff esperado e a variação.
Coloque os envelopes Bollinger no gráfico e você verá quais são os "padrões" de não-estacionariedade, pois o centro do indicador é a expectativa, e a distância do centro para os envelopes é a dispersão.