트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 3384

새 코멘트
 
Aleksey Nikolayev #:
mql5에서 CPU의 계산 병렬화 메커니즘에 대해 알고 계신가요?

어느 정도 고급을 위한 OpenCL.

덜 고급의 경우 - 별도의 차트에서 에이전트를 실행합니다. 별도의 스레드에 있는 각 차트에서 모든 CPU 코어가 전체적으로 사용됩니다.

게다가 터미널 에이전트 자체를 터미널 차트에서 애플리케이션 계산을 병렬화하는 데 사용할 수 있지만, 이는 많은 사람들에게 알려지지 않았습니다.

이 기사에서는 MQL5에서 무제한으로 작은 단계의 매개 변수를 사용하여 복수의 모든 유효 자릿수를 포함하는 이진 GA를 작성하는 방법을 보여 드리겠습니다 (실제로는 복수의 경우 소수점 이하 16 자리로 제한됨). 그리고 이것도 제한이 아니며 MQL5에서 표준 유형의 숫자 확장을 작성할 수 있습니다.

 
Andrey Dik #:

OpenCL은 어느 정도 고급 사용자를 위한 것입니다.

고급이 아닌 경우 - 별도의 차트에서 에이전트를 실행합니다. 별도의 스레드에 있는 각 차트에서 모든 프로세서 코어가 총체적으로 사용됩니다.

게다가 터미널 에이전트 자체를 사용하여 터미널 차트에서 애플리케이션 계산을 병렬화할 수 있지만, 이는 많은 사람들에게 알려지지 않았습니다.

이 기사에서는 MQL5에서 무제한으로 작은 단계의 매개 변수를 사용하여 복수의 모든 유효 자릿수를 포함하는 이진 GA를 작성하는 방법을 보여 드리겠습니다 (실제로는 복수의 경우 소수점 이하 16 자리로 제한됨). 그리고 이것도 제한이 아니며 MQL5에서 표준 유형의 숫자 확장을 작성할 수 있습니다.

이것이 제가 말하는 것입니다-경련이 많은 자전거를 얻을 수 있습니다.

그리고 OpenCL이 너무 좋아서 메타콰이어가 GPU 최적화 프로그램을 만들지 않은 것은 아마도 누구나 쉽게 직접 작성할 수 있기 때문일 것입니다.

알았어요, 그만할게요, 아니면 맥심처럼 당신의 선동에 대해 제가 생각하는 모든 것을 말하다가는 금지당할 것 같아요.

 
Aleksey Nikolayev #:

제 말이 바로 그겁니다. 꽤나 끔찍한 자전거가 될 것입니다.

그리고 OpenCL이 너무 좋아서 메타쿼츠가 GPU 최적화 프로그램을 만들지 않은 것은 아마도 누구나 쉽게 자체적으로 개발할 수 있기 때문일 것입니다.

알았어요, 그만할게요, 아니면 맥심처럼 당신의 선동에 대해 제가 생각하는 모든 것을 말하다가는 금지당할 것 같네요.

그렇다면 정확히 무엇이 걸림돌일까요? MQL5에 문제가 있는 경우 언어의 잘못이 아니며, 질문하는 분들을 위한 특별한 프로필 스레드가 있습니다.

제 "데모고지"는 무엇인가요? 저는 여러분의 요청에 따라 방대한 문헌 목록을 제공하고, 여러분의 시야를 넓히고, MQL5의 구체적인 구현과 검색 전략을 알려드리고 보여드리고 있습니다. 제 얼굴에 오물이 묻지 않고 금지되는 것을 두려워하지 않도록 저에게 또 무엇이 필요하신가요?

저는 사람들에게 매우 놀랐습니다.

 

렌더링된 포레스트의 중복성에 대해 간단히 설명합니다.

홍채 데이터 세트 + 포레스트 훈련 + 포레스트에서 규칙 추출 + 각 규칙이 특징인 데이터 세트를 생성합니다.

열에 규칙이 있는 행렬(약 7백 개)을 얻습니다.

X <- iris[,-5]
target <- iris[,"Species"] 

library(inTrees)
library(RRF)

rules_dataset <- target |> 
                  RRF(x = X) |> 
                  RF2List() |> 
                  extractRules(X = X) |> 
                  sapply(\(r) eval(str2expression(r)))

ncol(rules_dataset)
[1] 698

이제 선형적으로 관련된 모든 규칙을 식별하고 중복되는 규칙을 제거합니다.

remove_lin_comb <- caret::findLinearCombos(rules_dataset)$remove
clear_rules_dataset <- rules_dataset[, -remove_lin_comb]

그러면 다음과 같은 결과를 얻을 수 있습니다.

ncol(clear_rules_dataset)
[1] 32


전체 데이터 집합은 698개가 아닌 32개의 규칙으로 설명할 수 있습니다.


이렇게 됩니다...

포레스트는 698/32 = 21.8125배 더 중복됩니다.

 
mytarmailS #:

랜덤 포레스트의 중복성에 대해 조금 더 알아봅시다.

홍채 데이터 세트 가져 오기 + 포리스트 훈련 + 포리스트에서 규칙 추출 + 각 규칙이 특징인 데이터 세트 만들기.

열에 규칙이 있는 행렬을 얻습니다(약 7백 개).

이제 선형적으로 관련된 모든 규칙을 식별하고 중복되는 규칙을 제거합니다.

그러면 다음과 같은 결과를 얻을 수 있습니다.


전체 데이터 세트는 698개가 아닌 32개의 규칙으로 설명할 수 있습니다.


바로 그런 방식입니다.

포레스트는 698/32 = 21.8125배 더 중복됩니다.

규칙의 출처는 어디일까요? 바로 입력된 산더미 같은 정보를 압축하여 규칙을 얻은 다음 원래의 정보가 아닌 예측에 사용하는 것입니다. 이것이 바로 모델이라고 불리는 이유입니다.

 
СанСаныч Фоменко #:

규칙의 출처는 어디일까요? 입력되는 수많은 정보를 압축하여 규칙을 만든 다음 원래의 정보가 아닌 예측에 사용하는 것입니다. 이것이 바로 모델이라고 불리는 이유입니다.

작성된 내용을 주의 깊게 읽어보세요.

 
mytarmailS #:
규칙에 관한 글을 쓰고 싶지 않으셨나요, 아니면 마음이 바뀌었나요? 테스트 기능을 최소화하는 것보다 더 흥미로운 주제일 수도 있습니다. 아니면 OOS에서 유효성 검사에 문제가 있나요? 아니면 문제가 없는데 너무 게을러서 글을 쓸 수 없나요?
 
규칙 선택에 대한 일종의 일반적인 접근 방식입니다. 여기서는 트리를 규칙으로 세분화하면 TC의 맥락에서는 어떻게 될까요? 모범 사례와 인사이트. 흥미로울 것 같네요.

무작위 함수와 무작위 늑대가 아니라 수익에 더 가깝죠.
 
Maxim Dmitrievsky #:
규칙 선택에 대한 일종의 일반적인 접근 방식입니다. 여기서는 트리를 규칙으로 세분화하고, 그 다음에는 TC의 맥락에서 무엇을 할까요? 모범 사례와 인사이트. 궁금합니다.

무작위 함수와 무작위 늑대가 아니라 수익에 더 가깝습니다.

"수익에 더 가깝다"는 것은 "오버트레이닝"과 동의어가 아닌가요?
기준이 무작위 증분값이기 때문에 무작위 수익에 대한 균형이 잘 잡혀 있습니다. 균형의 아름다움은 어디에서 오는 것일까요?

균형은 터미널에서 TS에 대한 평가이며, 이 균형은 분류 오류의 영향을 받지 않습니다.

그러나 MOE 내에 머무르면 평가는 프로파일이 아닙니다.

 
СанСаныч Фоменко #:

"수익에 가깝다"는 것은 "오버트레이닝"과 동의어가 아닌가요?
무작위 수익의 경우 무작위 증분값이 기준이 되기 때문에 균형이 아름답게 유지됩니다. 이 균형의 아름다움은 어디에서 오는 것일까요?

균형은 터미널에서 TS에 대한 평가이며, 이 균형은 분류 오류의 영향을 받을 뿐만 아니라 영향을 받습니다.

그리고 우리가 MO 내에 머무르면 평가는 이익이 아닙니다.

이익에 더 가깝게-따옴표에 더 가깝게, 의미없는 것에 대한 훈련이 아닙니다. 인터넷에는 이러한 테스트가 많이 있으며 다른 MO의 특성은 오랫동안 알려져 왔습니다. 무엇이 더 나쁘고 무엇이 더 나은지.

규칙 추출이 계층 구조에서 어디에 맞는지 이해할 수 없습니다.
1...337733783379338033813382338333843385338633873388338933903391...3399
새 코멘트
사유: