Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3476

Новый комментарий
[Удален]  

Мне кажется, что следует немного подождать, пока оптимизаторщики намаются и устанут со своими ФФ. Тогда начнут воспринимать информацию :)

Ведь если за 20 лет ничего не произошло, какова вероятность, что что-то интересное случится?

Пока что они остановились на необходимости правильного выбора ФФ, которую никто не знает как выбирать, а если знает, то никогда не расскажет. @цитата одного из.
 
mytarmailS #:
Есть три участка

Train - (in sample) где модель обучаеться

Validate - (in sample) где оцениваються призводительность обученой модели и игра с гиперпараметрами + выбор окончательной модели

Test - (out of sample) полностью новые данные для модели 

Не точно.

Имеем файл - file

indexes             <- createDataPartition(file......,  p = .70, list = F)

in sample = Train <- file[ indexes,] 

in sample = Validate <- file[ -indexes,] 

и

Test - (out of sample) полностью новые данные для модели

И еще очень важное условие: ошибка классификации на всех трех участках НЕ может сильно отличаться. Если отличается, то переобучена и можно спокойно выбросить.
 

 
СанСаныч Фоменко #:

Не точно.

И в чем противоречие с тем что я написал? 
 
mytarmailS #:
И в чем противоречие с тем что я написал? 

Trаin - случайная выборка из файла, а  Validate - это также случайная выборка из файла, но не повторяющая Train 

 
mytarmailS #:

какая разница сколько шума, у шума среднее = 0.

А значит обратной корреляции быть не должно, а она есть


По твоей логике должно быть так


А оно совсем не так

Классы сбалансированы? SL/TP фиксированный? Спред, как я понимаю, не учитывается?

 
fxsaber #:

Алгоритм поиска максимума ФФ прерывался после вычисления 3000 ФФ. Далее сортировка 3000 результатов по значению ФФ и прогон лучших 20 из них на OOS. Среди них OOS проходят иногда 50%, иногда 5% или 0%. Этот процент точно ничего не говорит о робастности ТС. Т.к. алгоритм поиска мономодальный.

У Вас именно генерация ТС, или настройка параметров ТС?

Теоретически, о робастности может говорить устойчивость результата при незначительных изменениях настроек - как бы компенсация похожих, но других новых данных.

Лично я когда использую ФФ при оптимизации, оценивал полезность в среднем ряда настроек какого то условного  фильтра, и если при большинстве настоек он даёт улучшения результата - значит идея верная в нём. Потом можно взять только часть настроек этого фильтра, и перейти к настройкам следующего. А потом, уже рандомить настройки и фильтры из списка с избранными настройками.

Хотя я не знаю, как и что там внутри у Вас, может такой метод не годится. Это Андрей профессионал в этих вопросах...

 
Aleksey Vyazmikin #:

У Вас именно генерация ТС, или настройка параметров ТС?

Второе.
 
fxsaber #:
Второе.

Тогда последующий ответ актуален.

Всё упирается в то, что таких же данных не будет, на которых сконцентрировано внимание ТС, в лучшем случае - похожие.

 
СанСаныч Фоменко #:

Trаin - случайная выборка из файла, а  Validate - это также случайная выборка из файла, но не повторяющая Train 

А где я писал что validate повторяет train??? 
[Удален]  
Я вашу стационарность шатал (c)
1...346934703471347234733474347534763477347834793480348134823483...3745
Новый комментарий