交易中的机器学习：理论、模型、实践和算法交易 - 页 2963

新评论
 
Maxim Dmitrievsky #:
在我看来，唯一的选择就是在测试中对其进行非训练优化，然后在训练中对 MO 进行训练。从从不同历史时期提取共同点的角度来看，这还是有一定道理的。

如何使用 FF 有很大的想象空间，遗憾的是，虽然有一些建议，但没有一个正确的 FF 准备秘诀。

例如，平衡优化。这是好的 FF 吗？也许是好的，但不适合这个策略。

因此，FF 必须考虑到模型所需的一切，而问题则简化为最大化全局最优结果。由此得出另一个结论--模型和 FF 不能独立存在，一个好的模型可能会被一个不合适的 FF 破坏，反之亦然。

 
Andrey Dik #:

有什么奇怪的？几个月前，在我参与的对话中，有人在这个主题中说过))在这里，许多人认为最大/最小 ff 不应该以任何方式出现))))。

因为您设置了 ff，所以船只会航行....。

你还是不明白：这根本不是优化的问题--这是一个创建学习型教师的工具。

MOE 只有几个问题，而第一个问题就是一个好老师。

而教师的质量并不是由 FF 的质量决定的，也不是由优化的质量决定的--前面我们讨论的是局部/全局最优。在这个例子中，我们没有费心，而是直接采用了第一种算法，这是完全正确的。

教师的质量取决于选择未来不会失去预测能力的预测因子的能力。 但在确定教师的这一属性时，根本没有使用 FF。

 
СанСаныч Фоменко #:

你还是不明白：它根本与优化无关--它是一个创造学习型教师的工具。MOE 只有几个问题，第一个问题就是智能教师。

不，你还是不明白。没有优化，原则上就不可能有 MOE。

什么是 "高明的老师"？ 符合这个高明老师的标准在哪里？ 你要评估模型是否符合老师。 符合性的评估就是 FF，你怎么连基本的道理都不懂。

FF 就是评价标准，优化就是最大限度地提高评价标准。
 
Andrey Dik #:

你不明白，你不明白。没有优化，就没有 MO，没有优化，什么都不可能存在。

什么是 "高明的老师"？ 符合这个高明老师的标准在哪里？ 你要评价模型是否符合老师。 符合的评价就是 FF，你怎么会不明白基本的东西呢？

FF 就是评价标准，优化就是最大限度地提高评价标准。

你在写的时候，我又补充了一句。

我补充一下。

在创建教师时使用优化是一回事，是模型的外部因素。

在搜索模型参数时使用优化是另一回事，它内置于模型本身，有些模型可以选择优化选项。

第三种是评估分类模型的使用情况，这里没有优化的味道。它有自己的分类误差评估系统。

例如，误差矩阵



更有意义



有一些特殊软件包可以扩展上述评估分类模型的示例。例如，PerformanceAnalytics 软件包
 
СанСаныч Фоменко #:

既然你什么都不懂，那你就还是不懂：这与优化本身完全无关--它是一种创建学习型教师的工具。

MOE 只有几个问题，第一个问题就是智能教师。

而教师的质量并不是由 FF 的质量决定的，也不是由优化的质量决定的。在这个例子中，我们没有费心，而是采用了我们能找到的第一种算法，并迎刃而解，这是完全正确的。

教师的质量取决于选择未来不会失去预测能力的预测因子的能力。 但在确定教师的这一属性时，根本没有使用 FF。


优化在任何阶段都会使用，包括选择教师及其参数的阶段，然后是匹配教师的阶段--误差最小化，分类--也不需要优化。
没有一个 SIMPLE 流程是不需要优化的，在教育部就更不用说了。
任何优化都是基于最大/最小 FF。
有意义的流程都需要优化。
非意义流程 - 并非所有流程。
[删除]  
Andrey Dik #:

优化在任何阶段都会用到，包括选择教师及其参数的阶段，然后是匹配教师的阶段--误差最小化，分类--也不需要优化。
没有一个 SIMPLE 流程是不需要优化的，在 MOE 中更是如此。
任何优化都是以最大/最小 FF 为基础的。
有意义的流程都需要优化。
非意义流程--并非全部。
这里有一个岔路口。我们讨论的话题已经转向强化学习，也许从这里开始使用所有方法都是有意义的。在交易中，迄今为止它已被证明一无是处。要么是用现成的例子跟着老师训练。或者是不知名的犀牛交叉这个那个，但甚至没有任何理论装置:)

如果是纯粹的跟老师学习，那么更合理的做法是寻找 TC/信号，并尝试从它们的例子中学习。
 
Maxim Dmitrievsky #:
这是一个岔路口。我们讨论的话题已经转向了强化学习，也许从这里开始使用所有方法都是有意义的。在交易中，到目前为止，事实证明它一无是处。要么是用现成的例子跟着老师训练。或者是不知名的犀牛横冲直撞，但却连理论工具都没有:)

如果是纯粹的拜师学艺，那么更合理的做法是寻找 TC/信号，并尝试从它们的示例中学习。

您可以这样做。十年前，我向您展示了如何在 BP 上找到 TS 的理想输入 - 什么不是老师呢？- 在这种情况下，敏感度阈值是点差和佣金，交易频率将取决于阈值。
我没有做过任何研究，但如果能看到这种 "最佳系列 "作为教师的统计特征，那将会非常有趣。
 
Andrey Dik #:

您可以这样做。十年前，我曾向您展示过如何在 BP 上找到 TS 的理想入口--什么不是老师呢？- 在这种情况下，敏感度阈值是点差和佣金，交易频率将取决于阈值。

这里是 https://www.mql5.com/ru/code/903，也是 11 年前。图表比mytarmailS 的例子 更漂亮。

但我认为这不是你的。你的在哪里？

Sampler
Sampler
  • www.mql5.com
Индикатор i_Sampler рассчитывает идеальные входы, предназначен для обучения нейросети.
 
Forester #:

https://www.mql5.com/ru/code/903 也是 11 年前的例子。在他的例子中，图表比mytarmailS 更漂亮。

但和你的不一样。你的图呢？

[删除]  
Forester #:

https://www.mql5.com/ru/code/903 也是 11 年前的例子。在他的例子中，图表比mytarmailS 更漂亮。

这里是训练前，而他的是训练后。也就是说，它不仅能绘制出漂亮的图表，还能使模型达到最小误差。这种方法很有趣，但还没有研究出如何在新数据上加以改进。
1...295629572958295929602961296229632964296529662967296829692970...3399
新评论