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 111 1...104105106107108109110111112113114115116117118...3399 新しいコメント mytarmailS 2016.08.17 08:39 #1101 ミハイル・マルキュカイツ そして、5年後の分相場を抑制しようとし続けるのか？この71回の観察、何なら5分足で2週間も取引している......。そして買うだけ。だから、頑張れ...。それとも脱力系？ 何言ってんだこいつというのはおかしい。 Mihail Marchukajtes 2016.08.17 08:41 #1102 Dr.Trader（ドクタートレーダー） 先ほども言ったように、この指標は役に立たない。データをランダムに2等分し、最初の部分だけでモデルを学習させ、一度に両方でテストする。汎化率75%とは、ファイル内の全例に対して、最終的に75%を正しく予測するモデルであることを意味します。 モデルが75%に達するにはいくつかの方法があります。 1) モデルはトレーニングデータで100%の精度でトレーニングされ、ファイルの2番目の部分で新しいデータに失敗し、そこで50%を得る（コインをはじくのと同じです）。平均するとちょうど75%になる。これは非常にまずい展開で、トレードでもまずいことになりそうです。 2) 学習データで75%の精度に学習させたモデルは、テストデータでも同じ75%を示し、やはり平均75%であった。その中で、これは最高のケースですが、何かを得るチャンスがあります。 3) この2つの間の任意の中間的な選択肢あなたの選択肢は、おそらく最初の方に近いと思います。このような結果で取引するには、非常に幸運である必要があります。私は、あなたがメインシグナルとして機能するインジケータ（シーケント、または何か）のおかげで、あなたの預金を失っていないと仮定します。この1つの指標をベースにしたExpert Advisorは、指標＋jPredictionと同じくらい良い結果を出すと思います。 汎化力の計算方法は？レシェトフも知っている。 前に言っていたように、テストデータだけで計算しているのだと思うのだが......。クラシックシーケンサが使えるなら、プレディクターを使わないのですが、残念ながら......。というのは、何にもまして消耗が激しい。一方、クラシファイアを追加すると、かなり改善されます。もう一度書きますが、71回の観測は、5分間に2週間分のTSの仕事です。この時間軸では、かなり許容範囲の広い間隔です。半年以上の間、グリッドをいじるのは慣れていない。私は2週間トレーニングして、1日稼いだらおしまい。そうそう、毎日モデルのトレーニングをしているんですよ。午前中良い点は、最適化時間がVERYリーズナブルになったこと......でしょうか。 Mihail Marchukajtes 2016.08.17 08:44 #1103 mytarmailS: 何を言っているんだ...。そんなのくだらないよ。 さて、何がわからないのでしょうか？それとも、あなたの理解を超えているのでしょうか？ mytarmailS 2016.08.17 09:03 #1104 ミハイル・マルキュカイツ さて、何がわからないのでしょうか？それとも、あなたの理解を超えているのでしょうか？総容量の測り方を聞いているのに、長年の歴史がどうのこうのとか、意味不明なことを言い出す...。一般的な能力は一方的に測れないのに、どうやって測ればいいのか、jPredictionの 数字を調べることしかできず、それがどこからどう来たのか微塵もわからないから、具体的な質問をされると、何年間の歴史などというくだらないことを言い始める、もうやめてくれ...。お願い... Mihail Marchukajtes 2016.08.17 09:18 #1105 mytarmailS:総容量はどうやって測るのかって聞いたら、長年の歴史がどうのこうのとか、意味不明なことを言うんだもん...。一般的な能力は一方的に測れないのに、どうやって測ればいいのか、jPredictionの 数字を調べることしかできず、それがどこからどう来たのか微塵もわからないから、具体的な質問をされると、何年間の歴史などというくだらないことを言い始める、もうやめてくれ...。をお願いします。 私がレシェトフの予測因子を使っていること、彼が一般化可能性をどのように測定しているかは、すでに説明したかもしれませんが、これらはユーリーへの質問です。彼に聞いてみてください。数式は教えてくれたし、大まかには覚えているのですが、なぜ私に聞くのかが理解できません。私は彼のプログラムのユーザーであり、それ以上ではないのですが......。 Dr. Trader 2016.08.17 09:19 #1106 ミハイル・マルキュカイツ テストデータのみでの計算だと思いますだとしたら、うれしいですね、ずっといいんです。いずれにせよ、fronttestの方がはるかに良い結果を示しています。ファイルを2つに分割し（シャッフルせず、順番に）、最初の部分は50行、2番目の部分は19行としました。結局、2つ目のファイルでは、JPredictionは9件しか答えを出せませんでした。5件正解、4件不正解で、精度は50％程度と、良いところはありません。 ファイル: 1bj8_qxs8yoq.zip 9 kb Mihail Marchukajtes 2016.08.17 09:38 #1107 Dr.トレーダーだとしたら、うれしいですね、ずっといいんです。いずれにせよ、fronttestの方がはるかに良い結果を示しています。私はあなたのファイルを2つのパートに分けました（シャッフルはせず、順番に）。結局、2つ目のファイルでは、JPredictionは9件しか答えを出せませんでした。5件が正解、4件が不正解で、精度は50％程度と、まずまずの結果でした。 同意見です。入力データの工夫が必要......。 Alexey Burnakov 2016.08.17 10:18 #1108 Dr.Trader（ドクタートレーダー） だとしたら、うれしいですね、ずっといいんです。いずれにせよ、fronttestの方がはるかに良い結果を示しています。ファイルを2つのパートに分割し（シャッフルせず、順番に）、最初のパートは50行、2番目のパートは19行です。したがって、jPredictionは2番目のファイルの例にアクセスできず、それはモデルにとって本当に新しいデータとなります。その結果、2つ目のファイルでは、JPredictionは9件しか回答していません。5件正解、4件不正解で、精度は50％程度、良いところなしです。19歳、50歳、どっちが多いかな。少なくとも数百行のデータセット・データベースから、任意の例を挙げてみよう。私自身は、パラメータを拾って データを分解したいので、このソフトは向いていない。でも、エントリーレベルとしては面白いと思うんです。 СанСаныч Фоменко 2016.08.17 11:04 #1109 レシェトフ！私の申し出はまだ有効です。 Yury Reshetov 2016.08.17 18:28 #1110 mytarmailS: こんにちは、Yuri !逐次探索に関する質問）があります．例えば、10個の予測変数があるとします。1, 2, 3,4, 5, 6, 7, 8, 9, 10緑色の グループは，最高の一般化能力を示した予測変数のグループであり，このグループに他の予測変数N+1 が追加される．赤の グループは、緑のグループより 少し悪いグループであり、 テストに参加することはありません。質問：他のN+1個の予測因子で1つずつ試行した後、最終的に赤のグループがより大きな一般化能力を持つことが判明した場合、これもかなり現実的ですか、それとも私は何かを誤解していますか？明確にしてください。データやアルゴリズムを見ずに曖昧さのない答えを得たいなら、サンサンチ・フォメンコの ところに行った方がいい。賢い顔をした彼は、曖昧さに関係なく、どんなテーマでも「的確で価値のある」指示を出して諭してくれるからだ。もし、より正確な答えが欲しいのであれば、A/Bテストをしてみてください。つまり、一方では緑に赤と黒をくっつけ、もう一方では黒だけをくっつけてみてください。実験結果から最も一般化しやすいのは、どの選択肢であっても、あなたの課題にとって最も正しいものです。要は、体験の結果が常に真実の基準であるということです。例えば、今日はjPredictionのデータセンタリングをテストしていました。結果は、サンプルによって、散々な結果になったり、少し良くなったりしました。バックプロパゲーショングリッドの場合は、センタリングすることで顕著な改善が見られますが。リニア正規化から離れなければならなかった。そして、A/Bテストをせずに、経験ではなく、機械学習のちょっとした本や講義から「すぐに使える知識」を取り入れたり、知ったかぶりをしたりすると、センタリングは線形正規化よりも「良い」はずだという答えが返ってきます。ただし、経験上、すべてのアルゴリズムに一義的に当てはまるわけではありません。そういうパイなんです。 1...104105106107108109110111112113114115116117118...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
そして、5年後の分相場を抑制しようとし続けるのか？この71回の観察、何なら5分足で2週間も取引している......。そして買うだけ。だから、頑張れ...。それとも脱力系？
先ほども言ったように、この指標は役に立たない。
データをランダムに2等分し、最初の部分だけでモデルを学習させ、一度に両方でテストする。汎化率75%とは、ファイル内の全例に対して、最終的に75%を正しく予測するモデルであることを意味します。
モデルが75%に達するにはいくつかの方法があります。
1) モデルはトレーニングデータで100%の精度でトレーニングされ、ファイルの2番目の部分で新しいデータに失敗し、そこで50%を得る（コインをはじくのと同じです）。平均するとちょうど75%になる。これは非常にまずい展開で、トレードでもまずいことになりそうです。
2) 学習データで75%の精度に学習させたモデルは、テストデータでも同じ75%を示し、やはり平均75%であった。その中で、これは最高のケースですが、何かを得るチャンスがあります。
3) この2つの間の任意の中間的な選択肢
あなたの選択肢は、おそらく最初の方に近いと思います。このような結果で取引するには、非常に幸運である必要があります。私は、あなたがメインシグナルとして機能するインジケータ（シーケント、または何か）のおかげで、あなたの預金を失っていないと仮定します。この1つの指標をベースにしたExpert Advisorは、指標＋jPredictionと同じくらい良い結果を出すと思います。
何を言っているんだ...。そんなのくだらないよ。
さて、何がわからないのでしょうか？それとも、あなたの理解を超えているのでしょうか？
総容量の測り方を聞いているのに、長年の歴史がどうのこうのとか、意味不明なことを言い出す...。
一般的な能力は一方的に測れないのに、どうやって測ればいいのか、jPredictionの 数字を調べることしかできず、それがどこからどう来たのか微塵もわからないから、具体的な質問をされると、何年間の歴史などというくだらないことを言い始める、もうやめてくれ...。お願い...
総容量はどうやって測るのかって聞いたら、長年の歴史がどうのこうのとか、意味不明なことを言うんだもん...。
一般的な能力は一方的に測れないのに、どうやって測ればいいのか、jPredictionの 数字を調べることしかできず、それがどこからどう来たのか微塵もわからないから、具体的な質問をされると、何年間の歴史などというくだらないことを言い始める、もうやめてくれ...。をお願いします。
テストデータのみでの計算だと思います
だとしたら、うれしいですね、ずっといいんです。
いずれにせよ、fronttestの方がはるかに良い結果を示しています。ファイルを2つに分割し（シャッフルせず、順番に）、最初の部分は50行、2番目の部分は19行としました。
結局、2つ目のファイルでは、JPredictionは9件しか答えを出せませんでした。5件正解、4件不正解で、精度は50％程度と、良いところはありません。
だとしたら、うれしいですね、ずっといいんです。
いずれにせよ、fronttestの方がはるかに良い結果を示しています。私はあなたのファイルを2つのパートに分けました（シャッフルはせず、順番に）。
結局、2つ目のファイルでは、JPredictionは9件しか答えを出せませんでした。5件が正解、4件が不正解で、精度は50％程度と、まずまずの結果でした。
だとしたら、うれしいですね、ずっといいんです。
いずれにせよ、fronttestの方がはるかに良い結果を示しています。ファイルを2つのパートに分割し（シャッフルせず、順番に）、最初のパートは50行、2番目のパートは19行です。したがって、jPredictionは2番目のファイルの例にアクセスできず、それはモデルにとって本当に新しいデータとなります。
その結果、2つ目のファイルでは、JPredictionは9件しか回答していません。5件正解、4件不正解で、精度は50％程度、良いところなしです。
19歳、50歳、どっちが多いかな。少なくとも数百行のデータセット・データベースから、任意の例を挙げてみよう。
私自身は、パラメータを拾って データを分解したいので、このソフトは向いていない。でも、エントリーレベルとしては面白いと思うんです。
レシェトフ！
私の申し出はまだ有効です。
こんにちは、Yuri !
逐次探索に関する質問）があります．
例えば、10個の予測変数があるとします。
1, 2, 3,4, 5, 6, 7, 8, 9, 10
緑色の グループは，最高の一般化能力を示した予測変数のグループであり，このグループに他の予測変数N+1 が追加される．
赤の グループは、緑のグループより 少し悪いグループであり、 テストに参加することはありません。
質問：他のN+1個の予測因子で1つずつ試行した後、最終的に赤のグループがより大きな一般化能力を持つことが判明した場合、これもかなり現実的ですか、それとも私は何かを誤解していますか？明確にしてください。
データやアルゴリズムを見ずに曖昧さのない答えを得たいなら、サンサンチ・フォメンコの ところに行った方がいい。賢い顔をした彼は、曖昧さに関係なく、どんなテーマでも「的確で価値のある」指示を出して諭してくれるからだ。
もし、より正確な答えが欲しいのであれば、A/Bテストをしてみてください。つまり、一方では緑に赤と黒をくっつけ、もう一方では黒だけをくっつけてみてください。実験結果から最も一般化しやすいのは、どの選択肢であっても、あなたの課題にとって最も正しいものです。
要は、体験の結果が常に真実の基準であるということです。
例えば、今日はjPredictionのデータセンタリングをテストしていました。結果は、サンプルによって、散々な結果になったり、少し良くなったりしました。バックプロパゲーショングリッドの場合は、センタリングすることで顕著な改善が見られますが。リニア正規化から離れなければならなかった。
そして、A/Bテストをせずに、経験ではなく、機械学習のちょっとした本や講義から「すぐに使える知識」を取り入れたり、知ったかぶりをしたりすると、センタリングは線形正規化よりも「良い」はずだという答えが返ってきます。ただし、経験上、すべてのアルゴリズムに一義的に当てはまるわけではありません。
そういうパイなんです。