トレーディングにおける機械学習：理論、モデル、実践、アルゴトレーディング - ページ 1074 1...106710681069107010711072107310741075107610771078107910801081...3399 新しいコメント FxTrader562 2018.09.19 14:36 #10731 マキシム・ドミトリエフスキー1行目の選定は、今となっては全く正しい。2行目は、すべての最適な変数をループで組み合わせ、各特徴の組み合わせでRDFを学習する必要があります。また、ここでは様々な多項式変換を適用することができます。 そうこなくっちゃこれを実装するために、あなたの最初のコードを理解するのにとても時間がかかりました:))))...だから今、私に他のコードを与えないでください:))). 終値のような特徴を変換したい場合は、新しい価格データか、マトリックスから古い学習済みデータのどちらかを変数に集めるようにしてください...ということです:))) そして、その変数を使って関数"CalculateNeuron(ker,degree)" を呼び出し、新機能を取得したら Matrix で更新するなど、好きなようにすればよい:)) つまり、GMDHを使った特徴量の変換は、私が理解した範囲では、すべて関数の中で行われることになります。） FxTrader562 2018.09.19 15:00 #10732 マキシム・ドミトリエフスキー:まあ、もう少し時間をください...。まだ何もわかっていませんが、よろしくお願いします。） 組み合わせが多すぎる しかし、出力ではすべてが明確でなければならない - 選択された特徴と数式を含むn次元の配列だけである。さて、もしあなたが以前のコードをすでに理解しているならば（私はこれまで少し理解していたのですが :)...というのも、私は何もしていないのです...あなたの以前のコードをコピーして、GMDHで置き換えただけですから :)) でも、別の方法でやりたいなら...自分の時間を大切にすればいいんです:))) もちろん、私のGMDHの実装については保証できませんし:)) 最終的なEAをLIVE取引モードで動かしてみるまでは何もわかりません:)) バックテストの結果も信頼できないようです......。 また、「(CalculateNeuron(ker,degree))」の実装に必要なコードがあれば、教えてください。 それがうまくいけば、ベースとなる部品を20個、30個と増やしていくこともできるのですが......。しかし、一度に1つの次数の値をチェックするだけなので、平均的な速度が期待できます。 FxTrader562 2018.09.20 05:42 #10733 マキシム・ドミトリエフスキーあなたには、よりよく理解できるかもしれません。 OK、やってみます...でも、このコードについて100の異なる質問をしますので、あなたは答える準備ができているはずです:))... なぜなら、これは完全にあなたのアプローチであり、また、あなたは以前のコードとリンクしていない別の方法でコーディングしようとしているので、あなたがこのバージョンでやろうとしていることを正確に理解するまで、私にはそれを理解する方法がないからです...ですから、理解するにはもう少し時間がかかり、その後、GMDHへのブリッジを作ってみようと思っています... FxTrader562 2018.09.20 06:06 #10734 マキシム・ドミトリエフスキーgdmhの遺伝的選択を使用します。 そのためには、まず、それぞれの機能でRDFを学習する必要があるのですが、これがわかりますか？GDMHの遺伝子選択とはどういうことですか？ 私の知る限り、GMDHは、特徴量や入力のセットごとに、すべての入力を特徴量の断片に分解した総和として、1つの出力を与えることになります。つまり、1つの素性を与えれば1つの出力が得られ、たとえ100の素性を与えても、それまでのすべての素性の壊れた断片の総和として、1つの出力だけが得られる、それがGMDHなのです。 1.入力として1つだけ特徴を与えると、1つの出力=feature1*weight1が出力されます。 または 2.ある特徴量と過去のすべての特徴量（新特徴量またはRDFから学習した特徴量）を与えると、現在の特徴量を新しい出力=特徴量1*w1+特徴量2*w2+特徴量3*w3+...m個の基本特徴 量の成分に変換するだけです。 そこで、新しい素性を変換したい場合は、RDFから学習済みの素性を格納する配列を作成し、それを「CalculateNeuron(ker,degree)」関数に渡しますが、この関数にもう一つ配列の要素を渡す必要があります。 FxTrader562 2018.09.20 06:09 #10735 マキシム・ドミトリエフスキーgmdhのスキームだけでも教えてください。一歩一歩GMDHライブラリと、以前のコードで実装したEAの完全なソースコードを提供しますので、しばらくお待ちください:))) mytarmailS 2018.09.20 06:19 #10736 "MO "で全レベルをつつきました。(これらのMOは予想されるバウンスレベルを探している)、時々、シグナルは悪くありません。 また、トレンドの中でシステムが狂ってしまうこともあります。 =================== 理由がわからない、フィルタリングの方法がわからない、誰かやっているのか、私だけなのか？ FxTrader562 2018.09.20 06:20 #10737 マキシム・ドミトリエフスキーを使った予測変数の要約は必要ありません。なぜなら、我々はライナー・ソルバを使わないからです。その代わりに、新しい入力を段階的に追加していき、特徴量とその組み合わせを増やしていくだけです Geteticとは、すべての予測因子ではなく、変換の各ステップにおいて最適な予測因子のみを用いて作業することを意味します。そのため、各ステップで最適なn個だけを選択するそれなら、動的配列を作成し、各ステップでその配列要素を関数「Neuron function()」の入力として渡せばよいのですが、この関数にもう1つ入力を追加する必要があります。 Calsignal()」で終値をコピーして入力するのですが、その代わりにRDFのトレーニング完了のステップごとに配列の要素を追加して、配列を解放すればいいんですね。 次回の投稿でコードを貼り付けます。コピーしてから、投稿を削除してください。 FxTrader562 2018.09.20 06:23 #10738 GMDH FxTrader562 2018.09.20 06:23 #10739 GMDH EA: FxTrader562 2018.09.20 06:24 #10740 マキシム・ドミトリエフスキーを使った予測変数の要約は必要ありません。なぜなら、我々はライナー・ソルバを使わないからです。その代わりに、新しい入力を段階的に追加していき、特徴量とその組み合わせを増やしていくだけです Geteticとは、すべての予測因子ではなく、変換の各ステップにおいて最適な予測因子のみを用いて作業することを意味します。そのため、各ステップで最適なn個だけを選択するコードをコピーして教えてください...コードを削除します。 1...106710681069107010711072107310741075107610771078107910801081...3399 新しいコメント 理由: キャンセル 取引の機会を逃しています。 無料取引アプリ 8千を超えるシグナルをコピー 金融ニュースで金融マーケットを探索 新規登録 ログイン スペースを含まないラテン文字 このメールにパスワードが送信されます エラーが発生しました Googleでログイン WebサイトポリシーおよびMQL5.COM利用規約に同意します。 新規登録 MQL5.com WebサイトへのログインにCookieの使用を許可します。 ログインするには、ブラウザで必要な設定を有効にしてください。 ログイン/パスワードをお忘れですか？ Googleでログイン
1行目の選定は、今となっては全く正しい。2行目は、すべての最適な変数をループで組み合わせ、各特徴の組み合わせでRDFを学習する必要があります。また、ここでは様々な多項式変換を適用することができます。
そうこなくっちゃ
これを実装するために、あなたの最初のコードを理解するのにとても時間がかかりました:))))...だから今、私に他のコードを与えないでください:))).
終値のような特徴を変換したい場合は、新しい価格データか、マトリックスから古い学習済みデータのどちらかを変数に集めるようにしてください...ということです:)))
そして、その変数を使って関数"CalculateNeuron(ker,degree)" を呼び出し、新機能を取得したら Matrix で更新するなど、好きなようにすればよい:))
つまり、GMDHを使った特徴量の変換は、私が理解した範囲では、すべて関数の中で行われることになります。）
まあ、もう少し時間をください...。まだ何もわかっていませんが、よろしくお願いします。）
組み合わせが多すぎる
しかし、出力ではすべてが明確でなければならない - 選択された特徴と数式を含むn次元の配列だけである。さて、もしあなたが以前のコードをすでに理解しているならば（私はこれまで少し理解していたのですが :)...というのも、私は何もしていないのです...あなたの以前のコードをコピーして、GMDHで置き換えただけですから :))
でも、別の方法でやりたいなら...自分の時間を大切にすればいいんです:)))
もちろん、私のGMDHの実装については保証できませんし:)) 最終的なEAをLIVE取引モードで動かしてみるまでは何もわかりません:)) バックテストの結果も信頼できないようです......。
また、「(CalculateNeuron(ker,degree))」の実装に必要なコードがあれば、教えてください。
それがうまくいけば、ベースとなる部品を20個、30個と増やしていくこともできるのですが......。しかし、一度に1つの次数の値をチェックするだけなので、平均的な速度が期待できます。
あなたには、よりよく理解できるかもしれません。
OK、やってみます...でも、このコードについて100の異なる質問をしますので、あなたは答える準備ができているはずです:))...
なぜなら、これは完全にあなたのアプローチであり、また、あなたは以前のコードとリンクしていない別の方法でコーディングしようとしているので、あなたがこのバージョンでやろうとしていることを正確に理解するまで、私にはそれを理解する方法がないからです...ですから、理解するにはもう少し時間がかかり、その後、GMDHへのブリッジを作ってみようと思っています...
gdmhの遺伝的選択を使用します。
そのためには、まず、それぞれの機能でRDFを学習する必要があるのですが、これがわかりますか？
GDMHの遺伝子選択とはどういうことですか？
私の知る限り、GMDHは、特徴量や入力のセットごとに、すべての入力を特徴量の断片に分解した総和として、1つの出力を与えることになります。つまり、1つの素性を与えれば1つの出力が得られ、たとえ100の素性を与えても、それまでのすべての素性の壊れた断片の総和として、1つの出力だけが得られる、それがGMDHなのです。
1.入力として1つだけ特徴を与えると、1つの出力=feature1*weight1が出力されます。
または
2.ある特徴量と過去のすべての特徴量（新特徴量またはRDFから学習した特徴量）を与えると、現在の特徴量を新しい出力=特徴量1*w1+特徴量2*w2+特徴量3*w3+...m個の基本特徴 量の成分に変換するだけです。
そこで、新しい素性を変換したい場合は、RDFから学習済みの素性を格納する配列を作成し、それを「CalculateNeuron(ker,degree)」関数に渡しますが、この関数にもう一つ配列の要素を渡す必要があります。
gmdhのスキームだけでも教えてください。一歩一歩
GMDHライブラリと、以前のコードで実装したEAの完全なソースコードを提供しますので、しばらくお待ちください:)))
"MO "で全レベルをつつきました。(これらのMOは予想されるバウンスレベルを探している)、時々、シグナルは悪くありません。
また、トレンドの中でシステムが狂ってしまうこともあります。
===================
理由がわからない、フィルタリングの方法がわからない、誰かやっているのか、私だけなのか？
を使った予測変数の要約は必要ありません。なぜなら、我々はライナー・ソルバを使わないからです。その代わりに、新しい入力を段階的に追加していき、特徴量とその組み合わせを増やしていくだけです
Geteticとは、すべての予測因子ではなく、変換の各ステップにおいて最適な予測因子のみを用いて作業することを意味します。そのため、各ステップで最適なn個だけを選択する
それなら、動的配列を作成し、各ステップでその配列要素を関数「Neuron function()」の入力として渡せばよいのですが、この関数にもう1つ入力を追加する必要があります。
Calsignal()」で終値をコピーして入力するのですが、その代わりにRDFのトレーニング完了のステップごとに配列の要素を追加して、配列を解放すればいいんですね。
次回の投稿でコードを貼り付けます。コピーしてから、投稿を削除してください。
GMDH EA:
を使った予測変数の要約は必要ありません。なぜなら、我々はライナー・ソルバを使わないからです。その代わりに、新しい入力を段階的に追加していき、特徴量とその組み合わせを増やしていくだけです
Geteticとは、すべての予測因子ではなく、変換の各ステップにおいて最適な予測因子のみを用いて作業することを意味します。そのため、各ステップで最適なn個だけを選択する
コードをコピーして教えてください...コードを削除します。