Обсуждение статьи "Возможности Мастера MQL5, которые вам нужно знать (Часть 31): Выбор функции потерь"

[MetaQuotes]

Опубликована статья Возможности Мастера MQL5, которые вам нужно знать (Часть 31): Выбор функции потерь:

Функция потерь (Loss Function) — это ключевая метрика алгоритмов машинного обучения, которая обеспечивает обратную связь для процесса обучения, количественно определяя, насколько хорошо данный набор параметров работает по сравнению с предполагаемым целевым значением. Мы рассмотрим различные форматы этой функции в пользовательском классе Мастера MQL5.

Мастер MQL5 может стать испытательным полигоном для самых разных идей. Часть из них мы уже рассмотрели в этой серии. Время от времени мы сталкиваемся с пользовательскими сигналами, который можно реализовать несколькими способами. Мы рассмотрели такой вариант в двух статьях о темпах обучения, а также в предыдущей статье о пакетной нормализации. Как уже обсуждалось, каждый из этих аспектов машинного обучения представляет собой более одного потенциального пользовательского сигнала. То же самое касается и функции потерь в силу наличия нескольких форматов.

Не существует единого метода сравнения результата тестового прогона с целевым значением. В ENUM_LOSS_FUNCTION доступны 14 перечислений, и этот список не исчерпывающий. Означает ли это, что каждый из них предлагает свой собственный подход к машинному обучению? Возможно, нет, но суть в том, что существуют различия, которые часто требуют тщательно выбирать функцию потерь в зависимости от характера сети или алгоритма, который вы обучаете.

Автор: Stephen Njuki