Большие наборы параметров
Излишне большой набор свободных параметров или правил влияет на
попытку оптимизации так же, как и недостаточное количество точек данных.
Когда количество элементов, подвергающихся оптимизации, повышается,
пропорционально растет способность модели подгонять их под
любые неоднородности тестовой выборки, а следовательно, увеличивается
вклад артефактов в эффективность модели.
Результат оптимизации
большого количества параметров или правил будет хорошо работать на
тестовых данных, но плохо на данных вне выборки и в реальной торговле.
Важно учитывать не общее количество параметров оптимизации, а
отношение количества этих параметров к объему данных. Здесь также
эвристически достоверна описанная выше формула для малых выборок:
она показывает, как соотношение числа точек данных и параметров системы
влияет на результат. При наличии избыточного количества параметров
решение, полученное в результате оптимизации, будет оптимальным
только для тестовой выборки данных.
Важно: актуальная возможность выиграть $40–$250 реальных (не бонусных) средств в конкурсе на демо-счетах.
|
