Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3306
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Т.е. никто не додумался провести эти тесты?
Я искал )
https://www.mql5.com/ru/forum/86386/page1056#comment_8678465
Да, какая эпоха ушла) Какие люди были - Шурик, Колдун, ...)
Alexey Burnakov , Dr. Trader ...
один сотни стоит..
Кто-нибудь может мне обяснить проблему множественного тестирования.
Нет я понимаю что чем больше ищешь(итерации) тем больше вероятность найти что то случайное что будет выглядеть как НЕслучайное..
Но если мы придумали какую то идею ,а потом подобрали параметры к ней за 10 итераций , а не за 10000 то можно ли это считать непереобучной моделью?
Ведь сама фраза "мы придумали" подразумевает тоже некий мыслительный перебор (итерации)
Откуда конечной модели знать какие это были итерации, мозговые или копютерные и есть ли разница между тем и другим?
Вопрос возник после почтения статьи Прадо
дело в том, что оптимум можно найти и за 1000 итераций и за 100, если говорим об оптимизации каких то параметров модели. с увеличением количества итераций просто растёт вероятность нахождения.
говорил ранее, что очень важно применять такую оценку, которая даёт максимальное значение того, что требуется найти. использование неправильной оценки приводит к гаданию на кофейной гуще.
Алексей уперся в DQN и дальше не пошел, предпочтя писать повести о Валере. ДР трейдер связался с Александром, и тот его погубил, поскольку первый не имел своего мнения.
Единственным персонажем был Визард, который явно что-то немного понимал, но был слишком нервным, а когда понял, что его скоро догонят - сбежал.
Показательно, что все писали на R, поэтому ничего не добились, ибо R разрушает сознаниеПереобучение возникает в связи с запоминанием редких явлений. Эти явления выделяются чисто статистически, так как нет модели, описывающей причину и следствие.
При этом убыток - не всегда значит, что модель переобучена.
дело в том, что оптимум можно найти и за 1000 итераций и за 100, если говорим об оптимизации каких то параметров модели. с увеличением количества итераций просто растёт вероятность нахождения.
говорил ранее, что очень важно применять такую оценку, которая даёт максимальное значение того, что требуется найти. использование неправильной оценки приводит к гаданию на кофейной гуще.
Вы даже сути моего вопроса не поняли
Вы даже сути моего вопроса не поняли
я говорил об одном, Алексей о другом.
и не ожидал, что моя мысль будет сходу воспринята.
представьте, что нужный вам сет параметров существует в полном множестве всех вариантов. теперь подумайте, какой должна быть оценка, что бы при любом количестве итераций можно было найти только и именно этот сет? если с ростом итераций растет подгонка, то значит не сет неправильно находиться, а используется неправильная его оценка.
я говорил об одном, Алексей о другом.
И обое не о том..
Почитайте статью , потом про проблему множественного тестирования , потом еще раз мой вопрос
что бы при любом количестве итераций можно было найти только и именно этот сет
Песнь о старом!
Никому НЕ нужен этот сет. А оптимизация в тестере ищет именно такой уникальный сет и большое число "оптимизаторов" удовлетворяется этим единственным сетом параметров, не обращая внимания на "двумерную диаграмму", по которой можно попытаться найти набор сетов, т.е. найти плато, а не максимум.
А оптимальный сет, который на двумерной диаграмме выглядит как зеленый остров среди бледных или белых квадратиков говорит о переобучении, т.е. выхвачена некая частность, очень оптимальная, но которая никогда более не встретится, что и называется переобучением.
И обое не о том..
Почитайте статью , потом про проблему множественного тестирования , потом еще раз мой вопрос
как хотите, я не настаиваю.