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.
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.
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...
Для авторизации и пользования сайтом MQL5.com необходимо разрешить использование файлов Сookie.
Пожалуйста, включите в вашем браузере данную настройку, иначе вы не сможете авторизоваться.
Вы вошли в аккаунт. Двухфакторная аутентификация отключена. Настройте её заново и отсканируйте новый QR-код или продолжите с отключённой двухфакторной аутентификацией.
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.Есть три участка
Не точно.
Имеем файл - file
И еще очень важное условие: ошибка классификации на всех трех участках НЕ может сильно отличаться. Если отличается, то переобучена и можно спокойно выбросить.
Не точно.
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
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?
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...
У Вас именно генерация ТС, или настройка параметров ТС?
Второе.
Тогда последующий ответ актуален.
Всё упирается в то, что таких же данных не будет, на которых сконцентрировано внимание ТС, в лучшем случае - похожие.
Trаin - случайная выборка из файла, а Validate - это также случайная выборка из файла, но не повторяющая Train