交易中的机器学习：理论、模型、实践和算法交易 - 页 2454

[Vladimir Perervenko]

mytarmailS#:

这只是为5，这是一个新的软件包，其名称是mt5R。

是的，我明白，我只是在寻找多目标优化。

我的简单健身函数只是寻找一个点的向量索引，从算法的角度来看，这个点是最小的。

所以理想情况下，该算法将产生两个索引，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。

我的简单健身并不是我的问题的模型，我只是想为自己做一个最简单和最明显的算法工作的比较

你的健身函数是做什么的？ 我知道所有的代码，但我还是不明白它的要点)

这是你的例子和你的健身函数。有很多其他的方法来寻找向量中的极值。清楚地制定你的任务。然后解决方案就会出现在你面前。

我刚刚表明，你的任务不能用这些包来解决。

祝好运

[mytarmailS]

Vladimir Perervenko#:

这是你的例子和你的健身函数。还有许多其他寻找向量极值的方法。清楚地提出你的问题。然后解决方案就会到来。

我刚刚表明，你的任务不能用这些包来解决。

好运在.

任务是 快速、简单、清晰地比较两种类型的多标准优化...

当然，你可以通过其他方式找到极值，例如，调用向量的min()函数。

我以为找到一个函数的极值（在一个向量中找到一个最小值）就是了，说实话，我还是觉得我们在哪里错过了对方......

============

在这里，你可以找到最小的，没有任何问题的普通遗传学。

set.seed(123)
x <- cumsum(rnorm(100))

fit <- function(i)  x[ floor(i) ] /-1  # (/-1) потому что GA максимизирует
library(GA)
GA <- ga(type = "real-valued", 
         fitness =  fit,
         lower = 1, upper = length(x) , 
         popSize = 50, maxiter = 100)
id <- c(floor(tail(GA@solution,1)))

plot(x,t="l")
points(id,x[id],col=2,lwd=5)

==============================

是什么阻止了我们对多标准优化做同样的事情，我们只是在寻找几个点而不是一个点。

除了 "mco"（遗传学）很擅长，但 "GPareto"（高斯最优）似乎并不是最聪明的一个......

[mytarmailS]

遗传学是如何找到解决方案的，即使是最落后的设置，也是令人惊讶的。

人口为10个人。

10次迭代。

100万个数据点。

该算法只有100次尝试（10*10）与数据互动，并找到一个好的解决方案。

只是令人惊讶。

[Maxim Dmitrievsky]

mytarmailS#:

任务是 比较两种类型的多标准优化，快速、简单和明确...

亚当或新元从任何国防部包中取出

[mytarmailS]

Maxim Dmitrievsky#:
Adam或SGD从任何MoD包中取出

我想比较一下这些，它们是用于多标准优化的

adam ，即使从 "任何MO包 "来看，它们也绝对不是多标准的。

我对算法的选择没有异议））恰恰相反-- 这不是为你准备的python）））。

[Vladimir Perervenko]

mytarmailS#:

任务是 比较两种类型的多标准优化，快速、简单和清晰...

很明显，我们可以通过其他方式找到极值，例如，对一个向量调用min()函数，但这与此无关

我以为找到一个函数的极值（在一个向量中找到一个最小值）就是了，说实话，我还是觉得我们在哪里错过了对方......

============

在这里，你可以找到最小的，没有任何问题的普通遗传学。

==============================

是什么阻止了我们对多标准优化做同样的事情，我们只是在寻找几个点而不是一个点。

除了 "mco"（遗传学）很擅长，但 "GPareto"（高斯最优）似乎一点也不 "打招呼"，尽管它应该是最有智慧的一个。

你一定是对多元优化一词有错误的理解。它是同时 根据几个 标准 进行的优化。例如：我们有一条平衡曲线，是神经网络运作的结果。我们可以通过最大余额或最小提款来优化它。而如果我们需要同时通过平衡和缩减来优化它--这将是多标准的优化。你有一个标准--一个函数的最小值，找到这个函数的所有最小值并选择你需要的。

祝好运

[mytarmailS]

Vladimir Perervenko#:

你一定是对MULTI-CRITERIAL OPTIMISATION一词有误解。它是同时 根据几个 标准 进行的优化。例如：我们有一条平衡曲线，是神经网络运作的结果。我们可以通过最大余额或最小提款来优化它。而如果我们需要同时通过平衡和缩减来优化它--这将是多标准的优化。你有一个标准--一个函数的最小值，找到这个函数的所有最小值并选择你需要的。

祝好运

我理解你，我们不理解对方，但谢谢你的澄清......

[Vladimir Perervenko]

mytarmailS#:

我知道我们不理解对方，但谢谢你的澄清......

我同意。不客气。

[Evgeny Dyuka]

Andrey Dik#:

神经网络 权重的平均值取模是其训练质量的指标吗？

假设有两个相同的神经元在相同的数据上训练，一个神经元的值是0.87，另一个是0.23，哪一个的训练效果更好？

平均答案越接近1越好，这只是一个练习的问题。我无法解释原因，但对我来说，这是一个好模型的主要标志之一。

[Evgeny Dyuka]

我注意到，这种模式算是比较普遍的。在测试样本结果相同的情况下，平均响应值较高的模型在现实生活中的表现更好。