overrideprotected def predictRaw(features: Vector): Vector = {
// TODO: When we add a generic Bagging class, handle transform there: SPARK-7128// Classifies using majority votes.// Ignore the tree weights since all are 1.0 for now.
val votes = Array.fill[Double](numClasses)(0.0)
_trees.view.foreach { tree =>
val classCounts: Array[Double] = tree.rootNode.predictImpl(features).impurityStats.stats
val total = classCounts.sum
if (total != 0) {
var i = 0while (i < numClasses) {
votes(i) += classCounts(i) / total
i += 1
}
}
}
Vectors.dense(votes)
}
Rパラメータを用いたトレーニングからサンプルパーティショニングへのAlgLibによる修正。
完成したランダムフォレスト 自体のAlgLibでの解釈は、同じSparkと変わりません。
同じくツリーの予測値の合計をこのツリーの数で割ったもの。アイデア自体は、様々な指標のデータをランダムフォレストに放り込んで、一つのスーパー指標を得るというものです。
そのためには、既成概念にとらわれない発想が必要です。
疑問の残るアイデアというか、結果としてインジケータが疑問の残る結果を出すことになる
情報理論には信頼性という概念があります。「信頼性とは、隠れたエラーのない情報の特性である」ということですが、入力データとして指標(あなたはそれを予測因子と呼ぶ)がある場合、そのデータは必ずしも信頼できる情報を持っているとは限りません......。そして、その数学的装置はどのような結果を見出すのでしょうか?
まあ、Strategy Testerで 期待値がプラスになるような指標をトレーニングに使えば、Strategy Testerですぐに結果が出るので、すべてのプロセスを複雑にする必要はありませんが......。
あだとなる
要するに、車のダッシュボードにあるすべてのメーターを取り出して、それらを混ぜて、その数値を計算してみようということなのですが......?そんな器械がないことは知っているはずなのに、角速度を求めてしまう。
数学的に正しい公式(物理学、数学、幾何学)とOHLCを使用するか、このすべての操作が自滅的であるかのどちらかである。
学習させるモデルは、相関点に基づいている。すべての指標値を1つの配列にまとめることが可能です。すべては、データをダンプする際に選択されるトレーニングポイントに依存します。学習ポイントがある特定の指標とよく相関している場合、モデルはこの特定の指標を予測することになります。
ストラテジーテスターは、モデルの学習時のような優先順位の値を与えることはできない。
ストラテジーテスターは、モデルをティーチングするときのような優先順位をつけることはできません。
優先度の値は、信号モジュールで設定できます。
Weight パラメータという意味です https://www.mql5.com/ru/docs/standardlibrary/expertclasses/expertbaseclasses/cexpertsignal/cexpertsignalweight
ランダムに選んだ指標の組み合わせを機械学習に与えても、機械が市場の状況を説明する数学的モデルを見つけるとは思えません。
あなたの方法は、多くのインジケータを持つExpert Advisorを最適化するようなものです。
イゴール・マカヌ
ランダムに選んだ指標の組み合わせを機械学習に与えれば、機械が市場の状況を説明する数理モデルを見つけ出すとは思えない。
あなたの方法は、多数のインジケータを持つExpert Advisorの最適化に似ています。
この方法は、指標値の列挙に加えて、それらを比較するため、全く最適化とは異なります。
長い間、理論を提案することができます。しかし、なぜ、実質的にすべてをチェックすることができるのでしょうか?
この方法は、指標値を列挙するだけでなく、それらを相互に比較するため、最適化とは全く異なります。
長い間、理論を提案することができます。しかし、なぜ、実質的にすべてをチェックすることができるのでしょうか?
これは、すべての「思う」「思う」等に対する正しい答えです。
こんにちは。
mt4からtxtまたはcsvファイルへのスマート見積もりエクスポートをご存知の方はいらっしゃいますか?
ユーロドル、時間枠5:00と50:00の1つの商品だけをエクスポートする必要があります。
1つのEA、5分のタイムフレーム、40-50k OHLCVローソク足をエクスポートし、5分ごとに新しいローソク足でファイルを更新する必要があります。
毎回、ファイル全体をダウンロードすることができます。
または、一度アップロードして、5分ごとに新しいローソク足で更新してください。
2番目の方法は、確かに速いです。
インターネット上で2つの輸出業者を見つけました。
最初の出力履歴は、古いので動作しません。
) 2つ目のNZ_ExcelLiveは 動作して問題ないのですが、40kローソク足のエクスポートを設定するとターミナルがハングアップしてしまいます)
誰が何を助けるのか?マックミュールでは全くの0点であることを念のためお伝えしておきます。
疑問の残るアイデアというか、結果的に疑問の残る指標を生み出すことになる
情報理論には信頼性という概念があります。「信頼性とは、隠れたエラーのない情報の性質である」ということですが、入力データとして指標(あなたはそれを予測因子と呼ぶ)があったとして、このデータが必ずしも信頼性の高い情報を持っているとは限りません......。そして、その数学的装置はどのような結果を見出すのでしょうか?
まあ、Strategy Testerで 期待値がプラスになるような指標をトレーニングに使えば、Strategy Testerですぐに結果が出るので、すべてのプロセスを複雑にする必要はありませんが......。
あだとなる
要するに、車のダッシュボードにあるすべてのメーターを取り出して、それらを混ぜて、その数値を計算してみようということなんですね......?そんな器械がないことは知っているはずなのに、角速度を求めてしまう。
imhoは、どちらか数学的にベースの数式(物理学、数学、幾何学から)とOHLCを使用するか、またはこのすべての操作は、自己欺瞞である。
情報理論は確かに良い!!!!しかし、AIはさらに進化しています。ゴミの中から信頼できる情報を探し出そうとするのです。それぞれの指標から、他の指標の同じように信頼できる情報との組み合わせで、信頼できるものだけを取り出すということです。残念ながら、情報理論に則った信頼性の高い指標を市場に見出すことは不可能である。信頼できる情報のみを掲載する指標です。当然、IMHOである
あなたの方法は、多くのインジケータを持つEAを最適化するようなものです。
何かではなく、もっと複雑で非効率的な類似品
そして、彼自身、何をどうして失敗したのか、十分に説明することができないのです :)
こんにちは。
mt4からtxtまたはcsvファイルへのスマート見積もりエクスポートをご存知の方はいらっしゃいますか?
ユーロドル、時間枠5:00と50:00の1つの商品だけをエクスポートする必要があります。
1つのEA、5分のタイムフレーム、40-50k OHLCVローソク足をエクスポートし、5分ごとに新しいローソク足でファイルを更新する必要があります。
毎回、ファイル全体をダウンロードすることができます。
または、一度アップロードして、5分ごとに新しいローソク足で更新してください。
2番目の方法は、確かに速いです。
インターネット上で2つの輸出業者を見つけました。
最初の出力履歴は、古いので動作しません。
(NZ_ExcelLiveは 動作して問題ないが、エクスポートを40kローソク足に設定するとターミナルが永久にハングする))
誰が何を助けるのか?マックミュールでは全くの0点であることを念のためお伝えしておきます。
社内に1台あります。