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 1353 1...134613471348134913501351135213531354135513561357135813591360...3399 新しいコメント Aleksey Vyazmikin 2019.02.20 16:17 #13521 ユーリイ・アサウレンコLPFの入力に市場BPを供給した。同じBPがNS入力に供給される。そうです、このネットワークはLPFの動作を記述し、ある間隔での出力を予測したのです。 ブーストについては......いや、試していない。面倒でなければ、やってみようかな。 Yuriy Asaulenko 2019.02.20 16:22 #13522 アレクセイ・ヴャジミキンサンプルを投稿してください、差し支えなければ、試してみます。よくわからないのですが、何のサンプルですか？BPそのもの？できるんですね。しかし、BPからのサンプルは、ランダムなんです。 Aleksey Vyazmikin 2019.02.20 16:23 #13523 ユーリイ・アサウレンコよくわからないのですが、どんなサンプルなのでしょうか？BPそのもの？できるんですね。でも、BPのサンプルは、ランダムなんです。ファイルに書き込むことはできないのですか？Pythonをお使いのようですが、学習用に用意された分割サンプルをファイルにアンロードすることができますよね？ Yuriy Asaulenko 2019.02.20 16:35 #13524 アレクセイ・ヴャジミキンファイルに書き込むことはできないのですか？おそらくPythonで、学習用に用意された分割サンプルをファイルにアンロードしてやっているんでしょう？もう一度、確認しましょう。 1.BP全体では55kのOHLSVです。そこからランダムに長さ20（Closeのみ）の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。 2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。 3.NS 1、2への供給-トレーニング。 それとも何か理解できていないのか( PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか？CSVへのエクスポートがなぜか来なかったので、探す必要がある。 Aleksey Vyazmikin 2019.02.20 17:02 #13525 ユーリイ・アサウレンコもう一度、確認しましょう。 1.BP全体では55kのOHLSVです。そこからランダムに長さ20（Closeのみ）の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。 2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。 3.NS 1、2への供給-トレーニング。 それとも何か理解できていないのか( PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか？CSVへの書き出しがなぜか出てこなかったので、探す必要があります。よし、悩まなくていい。 これらのフォーマットの読み方がわからない。 でも、何が予測因子なのか、よくわからない...。 Yuriy Asaulenko 2019.02.20 17:10 #13526 アレクセイ・ヴャジミキンよし、悩まなくていい。 こういう形式は、何をもって読めばいいのかわからない。 でも、予測因子がよくわからない...。そこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - が直接NS入力に供給されます。 ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間（分）。その紐の総量は5〜6千本です。 ZZY 一般的に、森で結果を出すのは面白いですよね。せっかくなら、近いうちにCSVにしようかな。 さて、最後にもう一つ、予想図を。FNF（EMA(8)にほぼ等しい）を5分間予測する。予報と連動することは十分可能なので、それを示しています。 . Vitaly Muzichenko 2019.02.20 17:22 #13527 アレクサンダー＿K．まあ、この国民がいろいろ言って、漠然と...。彼のメッセージの主旨は、ErlangもBachelierも、彼がくれたような行を除いては、何も私を助けてはくれないということでした。 私のモデルでは何も機能しません。だからここに来たのですが、もしかしたらニューラルネットワークが何かを発見してくれるかもしれません。ウィキペディアで検索すると、もっと多くの名字があります。知っている苗字が多ければ多いほど、賢い人に見えます。カロモロフがまた言い忘れたことがある。 Aleksey Vyazmikin 2019.02.20 17:44 #13528 ユーリイ・アサウレンコそこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - がNS入力に直接供給されます。 ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間（分）。その紐の総量は5〜6千本です。 ZZY 一般的に、森で結果を出すのは面白いですよね。やるなら近々CSVにします。サンプリングをしてくれたら、私がやりますよ。確かに、分類ではないでしょうが、それでも、面白いのではないでしょうか。 Yuriy Asaulenko 2019.02.20 17:46 #13529 アレクセイ・ヴャジミキンサンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですね。OKです。しかし、緊急性はない。 Yuriy Asaulenko 2019.02.20 19:39 #13530 アレクセイ・ヴャジミキンサンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですよ。以下はそのアーカイブです。添付ファイルをご覧ください。 Learn.csv - 入力。各行の1桁目 - 歴史的な縛りがあるため、削除する必要があります。 Cell.scv - ターゲット このデータでトレーニングすると、このようなチャートになるはずです。 フィルターはEMA(16)にほぼ等しく、予測は5分です。 必要であれば、後でテストを実施します。 ファイル: TS1.zip 961 kb 1...134613471348134913501351135213531354135513561357135813591360...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
LPFの入力に市場BPを供給した。同じBPがNS入力に供給される。そうです、このネットワークはLPFの動作を記述し、ある間隔での出力を予測したのです。
ブーストについては......いや、試していない。
面倒でなければ、やってみようかな。
サンプルを投稿してください、差し支えなければ、試してみます。
よくわからないのですが、何のサンプルですか？BPそのもの？できるんですね。しかし、BPからのサンプルは、ランダムなんです。
よくわからないのですが、どんなサンプルなのでしょうか？BPそのもの？できるんですね。でも、BPのサンプルは、ランダムなんです。
ファイルに書き込むことはできないのですか？Pythonをお使いのようですが、学習用に用意された分割サンプルをファイルにアンロードすることができますよね？
ファイルに書き込むことはできないのですか？おそらくPythonで、学習用に用意された分割サンプルをファイルにアンロードしてやっているんでしょう？
もう一度、確認しましょう。
1.BP全体では55kのOHLSVです。そこからランダムに長さ20（Closeのみ）の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。
2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。
3.NS 1、2への供給-トレーニング。
それとも何か理解できていないのか(
PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか？CSVへのエクスポートがなぜか来なかったので、探す必要がある。
もう一度、確認しましょう。
1.BP全体では55kのOHLSVです。そこからランダムに長さ20（Closeのみ）の5〜6k行を抽出する。トレーニングのためにNSインプットに行くことになる。
2.第1項によるサンプリングは、LPFを通過させる。ここで、長さ20+Trのシーケンスを得る。ここで、Tpは予測時間である。LPF出力の最後の値が目標値となる。
3.NS 1、2への供給-トレーニング。
それとも何か理解できていないのか(
PS データを保存しようとしています。.matや.spydataのファイル形式は使えるのか？CSVへの書き出しがなぜか出てこなかったので、探す必要があります。
よし、悩まなくていい。
これらのフォーマットの読み方がわからない。
でも、何が予測因子なのか、よくわからない...。
よし、悩まなくていい。
こういう形式は、何をもって読めばいいのかわからない。
でも、予測因子がよくわからない...。
そこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - が直接NS入力に供給されます。
ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間（分）。その紐の総量は5〜6千本です。
ZZY 一般的に、森で結果を出すのは面白いですよね。せっかくなら、近いうちにCSVにしようかな。
さて、最後にもう一つ、予想図を。FNF（EMA(8)にほぼ等しい）を5分間予測する。予報と連動することは十分可能なので、それを示しています。
.
まあ、この国民がいろいろ言って、漠然と...。彼のメッセージの主旨は、ErlangもBachelierも、彼がくれたような行を除いては、何も私を助けてはくれないということでした。
私のモデルでは何も機能しません。だからここに来たのですが、もしかしたらニューラルネットワークが何かを発見してくれるかもしれません。
ウィキペディアで検索すると、もっと多くの名字があります。知っている苗字が多ければ多いほど、賢い人に見えます。カロモロフがまた言い忘れたことがある。
そこには予測変数はなく、スケーリングされた一連のクローズ値 - [Close[i-0], Close[i-1], Close[i-2],...,Close[i-19] - がNS入力に直接供給されます。
ターゲットとして、VLF出力[i + Tp]の1値、ここでTpは予測時間（分）。その紐の総量は5〜6千本です。
ZZY 一般的に、森で結果を出すのは面白いですよね。やるなら近々CSVにします。
サンプリングをしてくれたら、私がやりますよ。確かに、分類ではないでしょうが、それでも、面白いのではないでしょうか。
サンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですね。
OKです。しかし、緊急性はない。
サンプルでやってくれたら、回してあげるよ。分類ではないですけどね、面白いですよ。
以下はそのアーカイブです。添付ファイルをご覧ください。
Learn.csv - 入力。各行の1桁目 - 歴史的な縛りがあるため、削除する必要があります。
Cell.scv - ターゲット
このデータでトレーニングすると、このようなチャートになるはずです。
フィルターはEMA(16)にほぼ等しく、予測は5分です。
必要であれば、後でテストを実施します。