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 1116 1...110911101111111211131114111511161117111811191120112111221123...3399 新しいコメント Yuriy Asaulenko 2018.10.18 18:22 #11151 ミハイル・マルキュカイツOOSの部分を強調するためなら別ですが、トレーニング前にデータをシャッフルした場合、何のために時間が必要なのでしょうか...。汗をかかないで、結果だけ見せてくれれば...。必要なんです。 結果私のスレッドをご覧ください。彼らはそこで事件を起こしているのです。 itslek 2018.10.18 18:23 #11152 Vizard_: itslekは Validolのために走った))))。42例のデータセット42の事例を紹介! タイム ラインでは、datetimeに触れないでください!。 СанСаныч Фоменко 2018.10.18 18:25 #11153 見ている。 予測器を2つの部分に分割する:1つの部分は1つのクラスに属し、もう1つの部分はもう1つのクラスに属します。それぞれのハーフのヒストグラムを描き、合成する。 だから 予測因子の質は異なるが、いずれも以前よりはるかに優れた予測能力を持つ(記憶による)。 ヒストグラム間の距離を示す指標を導入することで、絵としてではなく、より現実的な差を示すことが必要です。 Mihail Marchukajtes 2018.10.18 18:26 #11154 itslek42例のデータセット いいか、俺はお前がわからないんだ......。1000の例から学習するようなかっこいいAIなら、ナットクって感じでしょうね。何が問題なのか? СанСаныч Фоменко 2018.10.18 18:28 #11155 Mihail Marchukajtes 2018.10.18 18:28 #11156 サンサニッチ・フォメンコ見ている。 予測器を2つの部分に分割する:1つの部分は1つのクラスに属し、もう1つの部分はもう1つのクラスに属します。それぞれのハーフのヒストグラムを描き、合成する。 だから 予測因子の質は異なるが、いずれも以前よりはるかに優れた予測能力を持つ(記憶による)。 絵としてではなく、より現実的にヒストグラムの差を示す距離の尺度を導入する必要があります。素晴らしい...が続きます。学習させたモデルの結果が必要です。データ分析もいいですが、一番大事なのは、もちろん間違いでなければ利益です。だから、できれば交換してほしいんだ...。 itslek 2018.10.18 18:29 #11157 ミハイル・マルキュカイツいいですか、私はあなたを理解していません...。もし、あなたのAIが1,000の例から学習できるほどクールであれば、そのサンプルは楽勝でしょう。何が問題なのか?実はその逆で...。アルゴリズムが悪くてデータ量が少ないより、アルゴリズムが悪くてデータ量が多い方が良い。 1000でも足りない、特に市場向けは...。 Mihail Marchukajtes 2018.10.18 18:31 #11158 itslek実は逆なんです...。するどのAIツールを使うかにもよりますが。大きなサンプルサイズが必要なものもあれば、参照ベクトルのように、メソッドがリソース集約的で、大きなサンプルでは実行に極めて長い時間がかかるため、大きなサンプルは必要ないものもある...。 Yuriy Asaulenko 2018.10.18 18:32 #11159 ミハイル・マルキュカイツするどのAIツールを使うかにもよりますが。大きなサンプル数を必要とするものもあれば、参照ベクトルのベクトルのように、大きなサンプルで実行するとリソースが膨大になり、非常に時間がかかるため、大きなサンプルを必要としないものもある...。AIって何? СанСаныч Фоменко 2018.10.18 18:32 #11160 予測能力の結果は悪くないのですが、観測回数が51回という馬鹿げた数なので、安定したモデルにはなりません。最低でもその10倍、できれば100倍は必要です。 その数の観測値でモデルを作ると、結果はひどいことになります。 予想実績 [0,0] (0,1) 誤差[0,0] 42.9 28.6 40(0,1] 28.6 0.0 100総合誤差:57.1%、クラス平均誤差:70ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー======================================================================Mic1.txt [validate]のLinear modelの誤差行列(カウント数)。予想実績 [0,0] (0,1) 誤差[0,0] 1 4 80(0,1] 2 0 100Mic1.txtの線形モデルの誤差行列[validate](割合)。予想実績 [0,0] (0,1) 誤差[0,0] 14.3 57.1 80(0,1] 28.6 0.0 100総合誤差:85.7%、クラス平均誤差:90ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー======================================================================Mic1.txtのNeural Netモデルの誤差行列[validate](カウント数)。予想実績 [0,0] (0,1) 誤差[0,0] 2 3 60(0,1] 1 1 50Mic1.txtのNeural Netモデルの誤差行列[validate](比率)。予想実績 [0,0] (0,1) 誤差[0,0] 28.6 42.9 60(0,1] 14.3 14.3 50全体誤差:57.1%、クラス平均誤差:55ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー Machine learning in trading: Any questions from newcomers Reversal Magic trading system 1...110911101111111211131114111511161117111811191120112111221123...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
OOSの部分を強調するためなら別ですが、トレーニング前にデータをシャッフルした場合、何のために時間が必要なのでしょうか...。汗をかかないで、結果だけ見せてくれれば...。
必要なんです。
結果私のスレッドをご覧ください。彼らはそこで事件を起こしているのです。
itslekは Validolのために走った))))。
42例のデータセット42の事例を紹介!
タイム ラインでは、datetimeに触れないでください!。
見ている。
予測器を2つの部分に分割する:1つの部分は1つのクラスに属し、もう1つの部分はもう1つのクラスに属します。それぞれのハーフのヒストグラムを描き、合成する。
だから
予測因子の質は異なるが、いずれも以前よりはるかに優れた予測能力を持つ(記憶による)。
ヒストグラム間の距離を示す指標を導入することで、絵としてではなく、より現実的な差を示すことが必要です。
42例のデータセット
いいか、俺はお前がわからないんだ......。1000の例から学習するようなかっこいいAIなら、ナットクって感じでしょうね。何が問題なのか?
見ている。
予測器を2つの部分に分割する:1つの部分は1つのクラスに属し、もう1つの部分はもう1つのクラスに属します。それぞれのハーフのヒストグラムを描き、合成する。
だから
予測因子の質は異なるが、いずれも以前よりはるかに優れた予測能力を持つ(記憶による)。
絵としてではなく、より現実的にヒストグラムの差を示す距離の尺度を導入する必要があります。
素晴らしい...が続きます。学習させたモデルの結果が必要です。データ分析もいいですが、一番大事なのは、もちろん間違いでなければ利益です。だから、できれば交換してほしいんだ...。
いいですか、私はあなたを理解していません...。もし、あなたのAIが1,000の例から学習できるほどクールであれば、そのサンプルは楽勝でしょう。何が問題なのか?
実はその逆で...。
アルゴリズムが悪くてデータ量が少ないより、アルゴリズムが悪くてデータ量が多い方が良い。
1000でも足りない、特に市場向けは...。
実は逆なんです...。
するどのAIツールを使うかにもよりますが。大きなサンプルサイズが必要なものもあれば、参照ベクトルのように、メソッドがリソース集約的で、大きなサンプルでは実行に極めて長い時間がかかるため、大きなサンプルは必要ないものもある...。
するどのAIツールを使うかにもよりますが。大きなサンプル数を必要とするものもあれば、参照ベクトルのベクトルのように、大きなサンプルで実行するとリソースが膨大になり、非常に時間がかかるため、大きなサンプルを必要としないものもある...。
AIって何?
予測能力の結果は悪くないのですが、観測回数が51回という馬鹿げた数なので、安定したモデルにはなりません。最低でもその10倍、できれば100倍は必要です。
その数の観測値でモデルを作ると、結果はひどいことになります。
予想
実績 [0,0] (0,1) 誤差
[0,0] 42.9 28.6 40
(0,1] 28.6 0.0 100
総合誤差:57.1%、クラス平均誤差:70
ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー
======================================================================
Mic1.txt [validate]のLinear modelの誤差行列(カウント数)。
予想
実績 [0,0] (0,1) 誤差
[0,0] 1 4 80
(0,1] 2 0 100
Mic1.txtの線形モデルの誤差行列[validate](割合)。
予想
実績 [0,0] (0,1) 誤差
[0,0] 14.3 57.1 80
(0,1] 28.6 0.0 100
総合誤差:85.7%、クラス平均誤差:90
ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー
======================================================================
Mic1.txtのNeural Netモデルの誤差行列[validate](カウント数)。
予想
実績 [0,0] (0,1) 誤差
[0,0] 2 3 60
(0,1] 1 1 50
Mic1.txtのNeural Netモデルの誤差行列[validate](比率)。
予想
実績 [0,0] (0,1) 誤差
[0,0] 28.6 42.9 60
(0,1] 14.3 14.3 50
全体誤差:57.1%、クラス平均誤差:55
ガラガラタイムスタンプ:2018-10-18 21:29:39ユーザー