交易中的机器学习：理论、模型、实践和算法交易 - 页 2453

[Igor Makanu]

Andrey Dik#:
，这是肯定的。

然而，没有人禁止使用更复杂的和/或复杂的度量。基本的想法是在健身函数中添加一个关于权重和NS输出的度量。

我不知道，但在我看来，如果输入的数据被定性地规范化（均匀地），并且只适用于普通的多层透视仪，它就会起作用。

如果你使用现成的NS包，你的新指标将被丢弃。

虽然也许你在寻找类似于退火优化的东西，但还是那句话，技术是描述出来的，创建自行车的目的并不明确，更有甚者，它的可靠性如何，如何评估它，我认为

[Aleksey Nikolayev]

对于更简单的小规模模型，如线性回归，最好开始重新发明轮子。首先，仔细看一下已经有的向损失函数添加系数的选项（山脊和套索回归，阿卡伊克准则，等等）。

[Vladimir Perervenko]

Andrey Dik#:

在一个测试中......？测试与函数的导数相同，可以是同一条曲线，在同一点相切，但与两个不同的函数相切。

你明白你说的话吗？这是一套毫无意义的词语。

[mytarmailS]

Vladimir Perervenko#:

你好，弗拉基米尔，什么是你不听很长一段时间是，非常想念你的文章，你不写什么新的？ 也许在其他资源？

还有一个问题要问你，有一个 "高斯优化"（我相信你知道），它似乎是对 "重 "健身函数最有效的搜索方法，但我用它不能得到好的结果，这是我的例子，你能对我的问题 给个意见吗，为什么它能成功。

[Andrey Dik]

Vladimir Perervenko#:

你明白你在说什么吗？这组词没有任何意义。

不知道什么是 "衍生品"？对不起....。

[mytarmailS]

Andrey Dik#:不知道什么是'衍生品'？sympathy....

自怨自艾，以你的推理能力...

[Vladimir Perervenko]

mytarmailS#:

你好，弗拉基米尔，什么是你不听到很长一段时间，我真的很想念你的文章，你不写任何新的东西？ 也许在其他资源？

还有一个问题，有一个 "高斯优化"（我相信你知道），这就像 "重 "健身函数的最efektivny搜索方法，但我不能用它得到好的结果，这是我的例子，你能给我的问题 一个评论，为什么这样得到。

问候。在这个网站上，使用R的文章是禁忌。这就是为什么不会有的原因。

关于你的问题，你是想在这里还是在斯托克城得到答案？有很多错误，其中一个是根本性的。

[mytarmailS]

Vladimir Perervenko#:

1）问候。网站上使用R的文章是禁忌。因此，不会有的。

2）关于你的问题，你想在这里还是在斯托克城得到答案？那里有许多错误，其中一个是根本性的。

1）太糟糕了。

2）在你比较方便的地方，了解我所有的错误，包括主要的和不主要的，是很有意思的。

P.S. 我知道我对离散优化问题应用了连续近似法。

=====

我有一个比较新的数据包与mt5结合，你没试过吗？

https://github.com/Kinzel/mt5R

[Vladimir Perervenko]

mytarmailS#:

1）太糟糕了。

2）在你比较方便的地方，了解我所有的错误，包括基本的和不太重要的，是很有意思的......。

P.S. 我已经把连续近似法应用于离散优化的问题，我知道。

=====

我有一个比较新的数据包与mt5结合，你没试过吗？

https://github.com/Kinzel/mt5R

1.这与5无关。一切都在MetaTrader5(Py)上运行。但对于MT4来说可能是真的。

2.一个基本的错误。这两个软件包（mco和Gpareto）都是为函数的多目标和多标准优化而设计的。 也就是说，找到几个函数的 最佳参数，使它们的结果最小。他们通过不同的方法来做这件事。

但你是想用一个函数来得到一个帕累托前沿。这是你改写的例子（顺便说一下，使用概率的函数不是最好的选择）。

set.seed(4023)
mins <- function(x, n = 1 L) cumsum(rnorm(n, 0, x))
mins1 <- function(x, n = 1 L)cumsum(rnorm(n,0, x*0.5))

up <-  rep(5,2)
dw <- rep(1,2)

两个具有不同sd参数和上、下限的函数。目标函数如下。

#--------------------------------------------
 fit <- function(x){
    y1 <- mins(x[1])#  cumsum(rnorm(1, 0, x[1]))
    y2 <- mins1(x[2])  #    cumsum(rnorm(1,0, x[2]*0.5))
    #y <- cbind(y1, y2)
    return( c(y1, y2) )}

Fn <- fit(c(4,4))
> Fn
[1] 0.4244075 3.5528975

并进行适当的优化。

library(mco)

OPT1 <- nsga2(fn = fit,idim = 2,odim = 2,
                   lower.bounds = dw,
                   upper.bounds = up,
                   popsize = 100)
res_OPT1 <- c(floor(tail(OPT1$par,1)))
> res_OPT1
[1] 4 4

这些函数的最佳参数c（4，4）。ParetoFront + ParetoSet的可视化

plot(OPT1)

蓝点是ParetoFront，即目标函数值的集合。红点是ParetoSet，即给出最小函数值的参数值。这些值可以找到

> paretoFront(OPT1)
            [,1]      [,2]
 [1,] -18.768766 -0.919960
 [2,] -16.563714 -4.075318
 [3,] -11.689811 -4.511709
 [4,]  -2.924055 -6.256807
 [5,]  -1.801073 -9.175708
 [6,]  -5.438790 -5.876476
 [7,]  -9.924184 -5.006235
 [8,]  -9.150563 -5.749592
 [9,]  -2.565944 -8.321299
[10,]  -5.653256 -5.808398

> paretoSet(OPT1)
          [,1]     [,2]
 [1,] 4.651688 4.830462
 [2,] 4.812924 4.374282
 [3,] 4.692132 4.589676
 [4,] 4.998786 4.715230
 [5,] 4.960933 4.696511
 [6,] 4.973955 4.245543
 [7,] 4.708673 4.946008
 [8,] 4.630083 4.242298
 [9,] 3.913589 4.553322
[10,] 4.655140 4.648080

经过四舍五入，我们得到c(4,4)的最佳值。下一篇文章中与Gpareto的变体

[mytarmailS]

Vladimir Perervenko#:

1.这与5无关。一切都在标准的MetaTrader5(Py)库中运行。但对于MT4来说--也许是这样。

这只是为Py准备的，它是一个新的软件包，名字就叫mt5R。

Vladimir Perervenko# :

2.一个基本的错误。这两个软件包（mco和Gpareto）都是为多目标设计的。

是的，我明白我需要一个多目标的优化。

Vladimir Perervenko #:

你是想用一个函数得到一个帕累托前沿。这是你改写的例子（顺便说一下，使用概率的函数不是最好的选择）。

我的简单健身函数只是寻找一个点的向量索引，这个点在算法方面是最小的。

理想情况下，该算法将输出两个索引，这两个索引将是向量中最小值的索引

我认为在一个向量中搜索两个最小值或在两个向量中搜索一个最小值没有什么区别。

我的简单健身不是我的问题的模型，我只是想为自己做一个简单而直观的算法比较。

Vladimir Perervenko#:

这些函数的最佳参数与（4，4）。ParetoFront + ParetoSet可视化

我不明白你的健身函数是做什么的，我知道所有的代码，但我不能理解它的要点)