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 1183 1...117611771178117911801181118211831184118511861187118811891190...3399 新しいコメント Maxim Dmitrievsky 2018.12.01 14:24 #11821 イゴール・マカヌ私は長い間、このテーマに取り組んできたので、そうしています;) 聖杯はいらないが、作業性の良いATCは便利であるMOで非常に安定しているのは、統計的な分析を行い、自分でパターンを探して、その上で微調整を行う必要があり、非常に幸運なことに、それは比較的長い間機能します。 それ以外の部分については（私自身の実践で、他の人はどうか知りませんが）、最新のデータで永久に再トレーニングを行い、良い取引を得ること、すべて利益とし、毎日すべてをコントロールすることです。常に統計解析をしているのも面倒なので、人工知能が自分ですべて検索するべきだという原則から出発すると。オプティマイザーを数十回走らせれば勝手に見つかるので、そのほうがいい。 結局は、テストサンプルでモデルの品質をコントロールすること、それだけ なんです。トレーニングサンプルはそのままでもほとんど問題ありません。そのためには、何もビジュアル化する必要はありません。コントロールとサブサンプルの方法は芸術である Igor Makanu 2018.12.01 14:29 #11822 ユーリイ・アサウレンコComodo Internet Securityを 使用していますが、ここ数年、何も問題が起きていません。 ありがとうございます、しかし、それはブラウザではなく、Windowsで、ファイアウォールはすべてをブロックし、任意のブラウザは約10分間動作し、その後zzdyn！、他の何も開きません...。アクロニクスのバックアップとフラッシュドライブからのリストアで15分で家に帰れるので、新しいインストールは必ずバックアップしています マキシム・ドミトリエフスキー一番大事なのは、統計的な分析をしてパターンを探し、そこに自分を固定することで、非常に運が良ければ、比較的長い間、それが通用します。 それ以外の部分（私自身の練習、他の人はどうか知りませんが）については、最新のデータで永久に再トレーニングを行い、良い取引を得ること、すべて利益を得ること、毎日すべてをコントロールすることです。常に統計解析をしているのも面倒なので、人工知能が自分ですべて検索するべきだという原則から出発すると。オプティマイザーを数十回走らせれば勝手に見つかるので、そのほうがいい。 そうですね、私も時間があるときはやっていますが、面白くないですね((((；ﾟДﾟ))))かっこいい映画みたいで。を押してください...ノートパソコンに文字が走った......。と確認されたケツ！ ...その後ALARM-ALARMが起動しなかったことが主なもの ))) 。 Maxim Dmitrievsky 2018.12.01 14:34 #11823 イゴール・マカヌ しかし、それはブラウザではなく、Windowsで、ファイアウォールがすべてをブロックし、どんなブラウザでも10分ほどは動作し、その後、ザップ！で何も開きません....Windowsがクラッシュした場合、15分後に帰宅してacronix backup経由でフラッシュドライブからリストアする予定です。 そうですね、私も時間があるときはやっていますが、面白くないですね((((；ﾟДﾟ))))かっこいい映画みたいで。を押してください...ノートパソコンに文字が走った......。と確認されたケツ！ ...その後ALARM-ALARMが起動しなかったことが主なもの ))) 。マーフィーの法則： 起こりうることは必ず起こる Yuriy Asaulenko 2018.12.01 14:41 #11824 イゴール・マカヌ 自分も時間がある時にやっていますが、面白くないです((((；ﾟДﾟ))))かっこいい映画みたいにしてほしいです...。ボタンを押すと......。ノートパソコンに文字が走った......。と確認されたケツ！ ...その後ALARM-ALARMが起動しなかったことが主なもの ))) 。そんなことはないだろう。 NSのタスクをさらに簡略化しました。予備戦略は、入力可能な区間を定義し、NSはこれらの区間で学習し、最適なエントリ・ポイントを見つけるものである。その間隔にエントリーがない場合は、検索しない。 間隔以外では、NSは何も解析しない。 Maxim Dmitrievsky 2018.12.01 14:48 #11825 ユーリイ・アサウレンコそんなことはないだろう。 NSのタスクをさらに簡略化しました。予備戦略は、入力可能な区間を定義し、NSはこれらの区間で学習し、最適なエントリ・ポイントを見つけるものである。その間隔にエントリーがない場合は、検索しない。 間隔以外では、NSは何も解析しない。NSは最適なエントリーポイントを見つけることができず、ブルートフォースする必要があるのです。 Yuriy Asaulenko 2018.12.01 14:50 #11826 マキシム・ドミトリエフスキーNSは最適なエントリーポイントを見つけることができないので、ブルートフォースされる必要があります。マキシム、これは1年前にすでにやっていたことです。そして、その方法を、このスレッドに書きました。 でも、新しいことは思いつきません。まだPythonをいじっているので、もしかしたら何かアイディアが出てくるかもしれません。 Igor Makanu 2018.12.01 14:56 #11827 マキシム・ドミトリエフスキーNSは最適なエントリーポイントを見つけることができないので、ブルートフォースされる必要があります。 まあ、NSのせいではありません、MOが最適と判断したものは、入力データで探しているわけではないのです、だから、可視化機能を持ったソフトが欲しいのです、でも、ネロソリューションは多分いらないでしょう、ネットで無料のものを探しています、NSについては、Matlabで読んでみます、既製品がたくさんありますから。 Aleksey Vyazmikin 2018.12.01 15:05 #11828 イワン・ネグレシュニーまた、CatBoostが起動時に独自のテンポラリ・ディレクトリを作成することも、保護された環境ではクラッシュの原因となりますので、無効にしてみてください。 一般的に、これらの不具合は、あなたがそれらを打つことができない場合は、個人的に私の意見では、無料よりも安いので、何とか非常にプロフェッショナルではない見える - この製品から一度に放棄する:)。Pythonを使用する際にディレクトリは作成されますか？コンソールでは、一度にモデルやマークアップ、また他の統計データなど、ディレクトリを作成することは論理的なことですが、ディレクトリでなければどこに置くべきでしょうか？逆に、ディレクトリは、多くの設定を循環させて、それぞれの結果を自分のディレクトリに入れることができるので、非常に良いソリューションだと思います。 今のところ、誤作動を起こすような不具合は見当たりません。 Igor Makanu 2018.12.01 15:12 #11829 マキシム・ドミトリエフスキーところで、誰に聞けばいいのかわからないのですが、教えてください。 PCA を使用する場合、alglib は固有ベクトルを返します。 それをどう使うか、つまり、元の機能にどう適用するか。 http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.php Wiki https://ru.wikipedia.org/wiki/Метод_главных_компонент#Сингулярное_разложение_тензоров_и_тензорный_метод_главных_компонент 以外のことは言えないと思います。メソッドの適用限界と有効性 私が理解する限り、この方法は、主成分を特定することによって有用な信号の特徴マップができ、その後、ノイズの多いデータから有用な信号を探すために類似のマップ（行列）を探すことができる。 Aleksey Vyazmikin 2018.12.01 15:19 #11830 マキシム・ドミトリエフスキー結局のところ、テストサンプルのモデルの品質管理ということになりますね。トレーニングサンプルでは、ほとんどそのままでいいんです。そのためには、何もビジュアル化する必要はありません。コントロールとサブサンプルの方法は芸術である例えば、10個の学習済みリーフを持つツリーがあり、そのうち9個は1を与え、1個は0を与えますが、これは特定のサンプルではうまく機能しますが、テスト（私の場合はテスト）ではうまくいきません。あるいは、9枚の葉のうち3枚だけに条件があり、残りはすべて合体してゼロになったのかもしれません。これはオーバートレーニング（規則性のない冗長な接続を意味する）の兆候ではなく、単に全く別のサンプルか、3つの葉には本当に多くのイベントがあり、残りの6つの葉には致命的に少ないサンプルのどちらかである。サンプルを混ぜて、トレーニングでもテストでも、割合似たような部分が出るような人工的な条件を作り、その部分を特定して何らかの印をつける必要があれば、トレーニングではこの部分にどんな反応があり、テストではこのサンプルにどんな反応があるかということが分かるようになるのかなと思います。あるいは、学習サンプルの異なる状況を増やすために、すべての市場に典型的な規則性を見つけ、それを普遍的な方法で記述する必要があります。 1...117611771178117911801181118211831184118511861187118811891190...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
私は長い間、このテーマに取り組んできたので、そうしています;)
聖杯はいらないが、作業性の良いATCは便利である
MOで非常に安定しているのは、統計的な分析を行い、自分でパターンを探して、その上で微調整を行う必要があり、非常に幸運なことに、それは比較的長い間機能します。
それ以外の部分については（私自身の実践で、他の人はどうか知りませんが）、最新のデータで永久に再トレーニングを行い、良い取引を得ること、すべて利益とし、毎日すべてをコントロールすることです。常に統計解析をしているのも面倒なので、人工知能が自分ですべて検索するべきだという原則から出発すると。オプティマイザーを数十回走らせれば勝手に見つかるので、そのほうがいい。
結局は、テストサンプルでモデルの品質をコントロールすること、それだけ なんです。トレーニングサンプルはそのままでもほとんど問題ありません。そのためには、何もビジュアル化する必要はありません。コントロールとサブサンプルの方法は芸術であるComodo Internet Securityを 使用していますが、ここ数年、何も問題が起きていません。
一番大事なのは、統計的な分析をしてパターンを探し、そこに自分を固定することで、非常に運が良ければ、比較的長い間、それが通用します。
それ以外の部分（私自身の練習、他の人はどうか知りませんが）については、最新のデータで永久に再トレーニングを行い、良い取引を得ること、すべて利益を得ること、毎日すべてをコントロールすることです。常に統計解析をしているのも面倒なので、人工知能が自分ですべて検索するべきだという原則から出発すると。オプティマイザーを数十回走らせれば勝手に見つかるので、そのほうがいい。
しかし、それはブラウザではなく、Windowsで、ファイアウォールがすべてをブロックし、どんなブラウザでも10分ほどは動作し、その後、ザップ！で何も開きません....Windowsがクラッシュした場合、15分後に帰宅してacronix backup経由でフラッシュドライブからリストアする予定です。
そうですね、私も時間があるときはやっていますが、面白くないですね((((；ﾟДﾟ))))かっこいい映画みたいで。を押してください...ノートパソコンに文字が走った......。と確認されたケツ！ ...その後ALARM-ALARMが起動しなかったことが主なもの ))) 。
マーフィーの法則： 起こりうることは必ず起こる
自分も時間がある時にやっていますが、面白くないです((((；ﾟДﾟ))))かっこいい映画みたいにしてほしいです...。ボタンを押すと......。ノートパソコンに文字が走った......。と確認されたケツ！ ...その後ALARM-ALARMが起動しなかったことが主なもの ))) 。
そんなことはないだろう。
NSのタスクをさらに簡略化しました。予備戦略は、入力可能な区間を定義し、NSはこれらの区間で学習し、最適なエントリ・ポイントを見つけるものである。その間隔にエントリーがない場合は、検索しない。
間隔以外では、NSは何も解析しない。
そんなことはないだろう。
NSのタスクをさらに簡略化しました。予備戦略は、入力可能な区間を定義し、NSはこれらの区間で学習し、最適なエントリ・ポイントを見つけるものである。その間隔にエントリーがない場合は、検索しない。
間隔以外では、NSは何も解析しない。
NSは最適なエントリーポイントを見つけることができず、ブルートフォースする必要があるのです。
NSは最適なエントリーポイントを見つけることができないので、ブルートフォースされる必要があります。
マキシム、これは1年前にすでにやっていたことです。そして、その方法を、このスレッドに書きました。
でも、新しいことは思いつきません。まだPythonをいじっているので、もしかしたら何かアイディアが出てくるかもしれません。
NSは最適なエントリーポイントを見つけることができないので、ブルートフォースされる必要があります。
また、CatBoostが起動時に独自のテンポラリ・ディレクトリを作成することも、保護された環境ではクラッシュの原因となりますので、無効にしてみてください。
一般的に、これらの不具合は、あなたがそれらを打つことができない場合は、個人的に私の意見では、無料よりも安いので、何とか非常にプロフェッショナルではない見える - この製品から一度に放棄する:)。
Pythonを使用する際にディレクトリは作成されますか？コンソールでは、一度にモデルやマークアップ、また他の統計データなど、ディレクトリを作成することは論理的なことですが、ディレクトリでなければどこに置くべきでしょうか？逆に、ディレクトリは、多くの設定を循環させて、それぞれの結果を自分のディレクトリに入れることができるので、非常に良いソリューションだと思います。
今のところ、誤作動を起こすような不具合は見当たりません。
ところで、誰に聞けばいいのかわからないのですが、教えてください。
PCA を使用する場合、alglib は固有ベクトルを返します。
それをどう使うか、つまり、元の機能にどう適用するか。
http://alglib.sources.ru/dataanalysis/principalcomponentsanalysis.phpメソッドの適用限界と有効性
私が理解する限り、この方法は、主成分を特定することによって有用な信号の特徴マップができ、その後、ノイズの多いデータから有用な信号を探すために類似のマップ（行列）を探すことができる。
結局のところ、テストサンプルのモデルの品質管理ということになりますね。トレーニングサンプルでは、ほとんどそのままでいいんです。そのためには、何もビジュアル化する必要はありません。コントロールとサブサンプルの方法は芸術である
例えば、10個の学習済みリーフを持つツリーがあり、そのうち9個は1を与え、1個は0を与えますが、これは特定のサンプルではうまく機能しますが、テスト（私の場合はテスト）ではうまくいきません。あるいは、9枚の葉のうち3枚だけに条件があり、残りはすべて合体してゼロになったのかもしれません。これはオーバートレーニング（規則性のない冗長な接続を意味する）の兆候ではなく、単に全く別のサンプルか、3つの葉には本当に多くのイベントがあり、残りの6つの葉には致命的に少ないサンプルのどちらかである。サンプルを混ぜて、トレーニングでもテストでも、割合似たような部分が出るような人工的な条件を作り、その部分を特定して何らかの印をつける必要があれば、トレーニングではこの部分にどんな反応があり、テストではこのサンプルにどんな反応があるかということが分かるようになるのかなと思います。あるいは、学習サンプルの異なる状況を増やすために、すべての市場に典型的な規則性を見つけ、それを普遍的な方法で記述する必要があります。