交易中的机器学习：理论、模型、实践和算法交易 - 页 3309

[Andrey Dik]

СанСаныч Фоменко #:

我不需要你回答我的问题。如果我找到了答案，我将何去何从？问题答案的实用价值是什么？

我将在 EA 中的哪个位置插入您问题的答案？我将在 IO 中的哪个位置输入您问题的答案？

为什么要问一百次我不需要答案的问题？

下面是对您问题的回答（或者说是对我最初向您提出的问题的回答）：

改变超出范围的红色虚线的符号，在所需区间内的剩余部分将具有您所寻找的最大分值，因此优化将简化为寻找最大值。您所寻找的将具有最大可能的分值。

但这并不是正确的方法，正确的方法是使用一个最初在您所寻找的位置具有最大值的分数。

神经网络训练、函数优化、策略优化等所有方面都是如此。

因此，"你不需要寻找最大值，你需要寻找一个稳定的高原 "这种说法本身就是错误的，说明估算的使用是错误的。

[Maxim Dmitrievsky]

Maxim Dmitrievsky #:

我猜，安德鲁把 NS 训练和优化参数混为一谈了。

两者都有点像优化，当一只小猫被灌了很多食物时，这有点令人不安。

[СанСаныч Фоменко]

Andrey Dik #:
因此，"你不需要寻找一个最大值，你需要寻找一个稳定的高原 "这种说法本身就是错误的，是对估算的错误使用。

与您的断言相反，您已经证明通过估算找到了高原。

在实践中，我可以在哪里应用这一点呢？

我们讨论的是过拟合，而过拟合通常基于优化。

在 MO 中，通过在不同文件上运行模型可以发现过度拟合。模型性能的变化是超拟合：不需要任何标准。还有一个软件包是通过过度拟合显示出来的。

从天上下来吧，原谅我，从你的极端来到地面，这里的情况有所不同。

[Andrey Dik]

СанСаныч Фоменко #:

与你的断言相反，你已经通过展示赞赏发现了高原。

在实践中，我可以在哪里应用这一点？

我们正在讨论过度拟合，这通常是基于优化。

在 MO 中，通过在不同文件上运行模型可以发现过度拟合。模型性能的变化就是超拟合：不需要任何标准。还有一个软件包可以检测过度拟合。

从你的极端中走下来，到不同的地方去。

你不知道自己到底在寻找什么（你从未回答过这个问题）。

[Maxim Dmitrievsky]

[Maxim Dmitrievsky]

mytarmailS 匹配参数，它能被视为一个未经训练的模型吗？

毕竟，"我们想 出的 "这句话本身也意味着某种思考过程（迭代）。

最终的模型如何知道是大脑迭代还是计算机迭代，两者之间是否存在差异？

这个问题是在阅读了普拉多的文章 后产生的

P hacking（黑客技术）就是按照你的要求扩展数据。你可以使用任何 FF，并在输入中添加尽可能多的数据，使其最大化。如果没有达到最大化，就添加更多数据或选择更精确的优化算法。也就是说，任何 FF 都可以通过这种方式最大化。这是 TC 优化中最常见的情况。在这种情况下，更多的数据--更多的过度训练。没有选项。全局最小值-最大值根本说明不了问题。合乎逻辑的解决方案是最大化 FF，同时最小化特征数量，就像我上面写的那样。可以说，这是最无害的方法。用科学术语来说，Baes 就是变体 traidof。

相反的过程就是研究，在研究过程中，你不做最初的假设，不从天花板上获取 FF，而是研究数据，寻找规律。

"你编造的 "与现实无关。而 "你根据研究得出结论 "才是。

如果你要做研究，至少要确定研究的主题和方法，然后选择研究工具。如果你的研究对象甚至不是 BP，而是一个你自己知道的实体，你甚至可以提前确定这样的研究结果。我知道大学里不教这个，所以就这样吧：)

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
P hacking 就是按照你的要求扩展数据。你可以使用任何 FF，并在输入中添加尽可能多的数据，使其最大化。如果最大化效果不佳，则添加更多数据或选择更精确的优化算法。也就是说，任何 FF 都可以通过这种方式最大化。这是 TC 优化中最常见的情况。在这种情况下，更多的数据--更多的过度训练。没有选项。全局最小值-最大值根本说明不了问题。合乎逻辑的解决方案是最大化 FF，同时最小化特征数量，就像我上面写的那样。可以说，这是最无害的方法。Baes--用科学术语来说，就是变式折衷。

相反的过程就是研究，这时你不做初始假设，不从天花板上获取 FF，而是研究数据中的模式。

"你编造的 "与现实无关。而 "你根据研究得出结论 "则与现实有关。

如果你要做研究，你至少需要确定研究的主题和方法，然后选择研究工具。如果你的研究对象甚至不是 BP，而是你一个人知道的实体，你甚至可以提前确定这样的研究结果。 我知道大学里不教这个，所以就这样吧：)

一桶蜂蜜加一勺焦油，这样蜂蜜就可以扔掉了。正如施蒂尔利茨所说，最后一句话才令人难忘。

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

一桶蜂蜜加一勺焦油，这样蜂蜜就可以丢弃了。正如斯特里茨所说，最后一句才是关键。

这样你听起来就不会太聪明了。

[mytarmailS]

优化过程是对未知参数的搜索。

每次迭代都是一次实验/研究，提出假设（参数）并验证实验结果（FF）。

因此，优化（搜索）过程是一项相当复杂的研究。

但这并不是给知识分子虚无的理解，当然不是给，这里需要思考，逻辑应该包括....。

[Maxim Dmitrievsky]

mytarmailS #:
优化过程是对未知参数的搜索。

每次迭代都是一次实验/研究，提出假设（参数）并验证实验结果（FF）。

因此，优化（搜索）过程也是一项研究。

但这并不是为了理解智力上的虚无，当然也不是为了理解，在这里你需要思考，逻辑要包括......

模仿研究者的人并没有意识到，在优化开始之前，所有参数都是已知的。而优化的过程就是寻找参数值，以最大限度地实现他头脑发热所发明的任何功能。

他的优化变成了一条漫长的荆棘之路，探索他所在的底部。