දත්ත විද්යාව හා මූල්ය වෙළෙඳාම් දෙකම දී, වඩාත් දිගුකාලීන අභියෝගයක් වන්නේ ආකෘති සංකීර්ණතාව සහ අනාවැකි නිවැරදිතාව අතර නිවැරදි සංසන්දනය සොයා ගැනීමයි. දත්ත විද්යාව තුළ, ආකෘතිය පුහුණු දත්තවල සැබෑ මූලික ආකෘති පමණක් නොව ශබ්දයත් ඉගෙන ගන්නේ නම්, එය නව, නොපෙනෙන දත්ත මත දුර්ලභ සාමාන්යතාවයට හේතු වේ. සමාන වශයෙන්, වෙළෙඳාම්කරුවන් ඔවුන්ගේ උපාය මාර්ග අතීත වෙළෙඳ කොන්දේසි වලට ඉතා හොඳින් අනුකූල කර ඇති අතර, සජීවී වෙළෙඳාම් වල දිගුකාලීනය නොකරනු ඇත. Overfitting යනු කුමක්ද? දත්ත විද්යාව තුළ, model-building ක්රියාවලියකදී overfitting සිදු වේ.A model that is too complex — such as one with too many parameters or one that tries to capture every minute fluctuation in the training set — ends up memorizing the data rather than learning the underlying signal.When a model is overfit, it may look excellent on historical data, but its predictive performance collapses when applied to new datasets. ව්යාපාරික වෙළඳාම තුළ, සංකල්පය සමාන වේ. වෙළෙඳාම්කරුවන් බොහෝ විට ඓතිහාසික මිල දත්ත, නිවැරදි කිරීමේ නීති සහ උසස් ආදායම් ඉවත් කිරීම සඳහා උපාය මාර්ග පරීක්ෂා කරයි. ව්යාපාරය අතීත මිල ක්රියාකාරිත්වයේ අමුද්රව්යයන් සඳහා අතිශයින්ම පරිශීලක නම්, එය අනාගත වෙළෙඳපොළ වෙනස්කම් වලට අනුකූල නොවිය හැකිය. ඓතිහාසික දත්ත මත අතිශයින් හොඳින් ක්රියාත්මක වූ ව්යාපාරය, වෙළෙඳපල දෛනිකයේ කුඩා වෙනස්කම් පවා සිදු වන විට කඩා වැටෙයි. ව් යාපාරිකයන්ට වැදගත් වන්නේ ඇයි ව්යාපාරික වෙළෙඳපොළ ශබ්දකාරී, අනාවැකි නොලැබෙන අතර, ඓතිහාසික මිල ක්රියාකාරීතාවයෙන් පිටත අමුතු ක්රමයන් විසින් බලපානු ඇත.Data patterns relatively stable with time, markets evolve in response to economic shifts, geopolitical events, and changes in trader behavior.A trading system that fits historical data too closely can interpret random fluctuations as meaningful signals - leading to erroneous decisions. උදාහරණයක් ලෙස, විශේෂිත පද්ධතිය මත පදනම්ව ව්යාපාරිකයා නිර්මාණය කිරීමට සිතා බලන්න. තෝරාගත් කාලසීමාව තුළ මිල සංවර්ධනය සමඟ සබඳතා ඇති බව පෙනේ. සැලකිලිමත් විනිශ්චය නොමැතිව, ආකෘතිය විශ්වාසදායක සංඥා සඳහා අසාමාන්ය අනුකූලතා වැරදියට පත් විය හැකිය. උසස් දර්ශකයන් උපාය මාර්ග ව්යුහයන් වැඩි දියුණු කළ හැකි අතර, ඉතිහාසයේ ප්රතිඵලයට ගැලපෙන නීති සහ අර්බුදයන් අතිශයින්ම අනුකූල කිරීම, කොන්දේසි වෙනස් වන විට උපාය මාර්ගයේ දුර්වලතාවය ඇතිවීමේ අවදානම වැඩි කරයි. chart පටිපාටිය Xhmaster Formula දර්ශක chart පටිපාටිය Xhmaster Formula දර්ශක දත්ත විද් යාවෙන් උගන්වන පාඩම් දත්ත විද්යාව overfitting සීමා කිරීම සඳහා ව්යුහගත ප්රවේශයන් ඉදිරිපත් කරයි, සහ එම පාඩම් වෙළඳාම සඳහා හොඳින් පරිවර්තනය කරයි. 1) ඔබේ දත්ත බෙදා ගන්න යන්ත්ර ඉගෙනීමේදී, දත්ත සමුදායන් බොහෝ විට පුහුණු හා පරීක්ෂණ සමුදායන් වෙත බෙදා වෙන් කර ඇත. එක් ආකෘතිය පළමු ආකෘතිය මත පුහුණු වන අතර අන්තිම ආකෘතිය මත විනිශ්චය කිරීම සඳහා විනිශ්චය කරනු ලැබේ. වෙළෙඳාම්කරුවන් දත්ත උපාංගය තුළ සහ උපාංගය පිටත කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාලීන කාල 2) නීත් යානුකූලත්වය දත්ත විද්යාව තුළ, නීත්යානුකූලතා තාක්ෂණයන් වැඩියෙන්ම සංකීර්ණ ආකෘති දඬුවම් කිරීම සඳහා ඒවා ශබ්දයට එතරම් දැඩිව අනුකූල වීමට ඉඩ සලසයි. වෙළෙඳාම්කරුවන් අතිශයින් සංකීර්ණ සංකීර්ණ සංකීර්ණ සංකීර්ණයන් වලට වඩා සරල උපාය නීති ප් රශංසා කිරීමෙන් සමාන මූලධර්මයක් භාවිතා කළ හැකිය. අතීතයේ වෙළෙඳ කොන්දේසි තුළ පමණක් ක්රියාකාරී වූ ඇතුල්වීම සහ පිටවීමේ නීතියකින් තෘප්තිමත් වන එකකට වඩා වැඩ කළ හැකිය. Candlestick උපාංග Candlestick උපාංග 3 Cross Validation ගනුදෙනුකරුවන් විවිධ වෙළෙඳපොළ, උපකරණ, හෝ කාල සීමාවන් හරහා ඔවුන්ගේ උපාය මාර්ග පරීක්ෂා කිරීමෙන් මෙය සකසා ගත හැකිය.එක උපාය මාර්ග විවිධ කොන්දේසි තුළ දැඩිව ක්රියාත්මක වන විට, එය වඩාත් සුදුසු නොවන බව අවදානම අඩු වේ.එක උපාය මාර්ග කිහිපයක් තුළ දුර්වලතා පෙන්වන්නේ නම්, එය උපාය මාර්ගයට එතරම් සීමිතව ගැලපෙන බව සලකුණු වේ. 4.Curve Fitting වළක්වා ගන්න Curve fitting යනු ආකෘතිය නිශ්චිතව ඓතිහාසික දත්තවලට ගැලපෙන පරිදි අනුකූල කිරීමයි. වෙළෙන්දා බොහෝ විට හොඳ backtest ප්රතිඵල ලබා ගැනීම සඳහා උපාය ප්රමාණයන් අනුකූල කරන විට අසාධාරණව curve-fit වේ.This can create a false sense of confidence.Instead of constantly adjusting parameters until the backtest looks perfect, traders should prioritize logical, theoretically justified rules, even if they produce modest but stable performance. මූල් ය දත්තවල ශබ්දය මූල්ය දත්ත ස්වභාවිකව ශබ්ද වේ. අසාමාන්ය මිල වෙනස්වීම් බොහෝ විට සැබෑ සංඥා අන්ධ වේ. දත්ත විද්යාව තුළ, අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය අසාමාන්ය ප්රායෝගික උදාහරණයක් වන්නේ තැපැල් ආකෘති භාවිතා කිරීමයි. හිස හා ඇඟිලි වැනි ආකෘති, තුන්දෙනා හෝ පුවරු දර්ශනීයව ආකර්ෂණීය පෙනුමක් ඇති විය හැකිය, නමුත් ඔවුන් සියල්ලන්ම අනාවැකි බලයක් සපයන්නේ නැත. Probabilistic Thinking ප් රදර්ශනය දත්ත විද්යාඥයෙකුට අනාවැකි ස්වභාවිකව අනාවැකි බව පිළිගන්නා ආකාරයට, වෙළෙඳාම්කරුවන්ට සෑම සංකේතයක්ම අනාවැකි සංකේතයක් නොව අනාවැකි සංකේතයක් ලෙස සැලකිලිමත් කළ යුතුය. වෙළෙඳාම සැකසීම ලාභය වැඩිවීමක් පෙන්වා දෙයි, නමුත් සාර්ථකත්වය කිසිවිටෙකත් සහතික කර නැත. ප් රතිඵල වෙළෙඳාම් වල overfitting වියදම බරපතල විය හැක, පසුපසින් පෙනෙන නමුත් සජීවී වෙළෙඳපොළ තුළ දුර්වල ලෙස ක්රියාත්මක වන උපාය මාර්ගවලට හේතු විය හැක. දත්ත විද්යාවෙන් උගන්වන පාඩම් ලබා ගැනීම - දත්ත විනිශ්චය දත්ත රඳවා ගැනීම, සැලසුම් සංකීර්ණ කිරීම, කොරෝස් ගැලපීම වළක්වා ගැනීම සහ අවදානම සිතුවිලි අනුගමනය කිරීම - වෙළෙඳසැල්කරුවන් වඩාත් ප්රතිරෝධී පද්ධති ගොඩනඟා ගත හැකිය. මූල්ය වෙළෙඳපොළ සංකීර්ණ, ශබ්දකාරී, සහ නිතර වෙනස් වන බව හඳුනා ගැනීම, පරිවර්තන වළක්වා ගැනීමට ප්රථම පියවර වේ. 
 
 මෙම කතාව ජෝන් ස්ටෝජන් විසින් HackerNoon හි ව්යාපාරික බ්ලොග් වැඩසටහන යටතේ ප්රදර්ශනය කරන ලදී. මෙම කතාව ජෝන් ස්ටෝජන් විසින් HackerNoon හි ව්යාපාරික බ්ලොග් වැඩසටහන යටතේ ප්රදර්ශනය කරන ලදී.

This story contains new, firsthand information uncovered by the writer.

මෙම ශ්‍රව්‍යය කතාවේ මුල් භාෂාවෙන් නිෂ්පාදනය කර ඇත!

Overfitting වියදම: ව් යාපාරිකයන් දත්ත විද්යාවෙන් ඉගෙන ගත හැකි පාඩම්

About Author

අදහස්

ටැග් එල්ලන්න

මෙම ලිපිය ඉදිරිපත් කරන ලදී

Related Stories

Meet IONOS: HackerNoon Company of the Week

Seamless Sign-ups on the Move: Unlock Access as You Take Action!

Streamlining the API Lifecycle: Interview with Startups of The Year 2024 Nominee, Ambassador

Meet the HackerNoon Top Writers - Wes Huber's Journey In Tech

Meet IONOS: HackerNoon Company of the Week

Seamless Sign-ups on the Move: Unlock Access as You Take Action!

Streamlining the API Lifecycle: Interview with Startups of The Year 2024 Nominee, Ambassador

Meet the HackerNoon Top Writers - Wes Huber's Journey In Tech

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps