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 1526 1...151915201521152215231524152515261527152815291530153115321533...3399 新しいコメント Forester 2019.08.24 05:46 #15251 回帰と分類は、フォレストとニューラルネットワークの両方が実行できるタスクである。 勾配降下法は、ニューラルネットワークがニューロンの重み/乗数/配置を選択する方法である。 Roman 2019.08.24 11:44 #15252 エリブラリウス 回帰と分類は、フォレストとニューラルネットワークの両方が実行できるタスクである。 勾配降下法は、ニューラルネットワークがニューロンの重み/乗数/配置を選択する方法である。 ありがとう、でもそういう意味じゃないんだ。 最終結果の類似性について、回帰と勾配降下。 回帰は近傍の中間点を求め、勾配降下は最も近い点を求める。 本質的には、最終的な検索アルゴリズムが似ているように思います。 その差が偏差値誤差となるのだろう。そこで気になったのですが、どちらが誤差が小さくなるのでしょうか? 回帰よりも勾配降下の方が精度が高くなるような気がします。 私が言いたいのは、例えば先生がいるとして、ネットワークの出力は先生のコピーであるべきで、誤差は最小であるべきだということです。 だから、どのモデルをどのアルゴリズムで使うか、決められないんです。 Maxim Dmitrievsky 2019.08.24 11:55 #15253 ローマン ありがとうございます、でもそういう意味じゃないんです。 最終的な結果の類似性について、回帰と勾配降下。 回帰は近傍の中間点を求め、勾配降下は可能な限り近い点を求める。 本質的には、最終的な検索アルゴリズムが似ているように思います。 その差が偏差値誤差となるのだろう。その方が誤差が小さくなると思ったからです。 回帰よりも勾配降下の方が精度が高くなると思います。 Roman 2019.08.24 12:02 #15254 マキシム・ドミトリエフスキー それ以外の答えは期待できないだろう。 Forester 2019.08.24 12:36 #15255 ローマン ありがとうございます、でもそういう意味じゃないんです。 最終的な結果の類似性について、回帰と勾配降下。 回帰は近傍の中間点を求め、勾配降下は最も近い点を求める。 本質的には、最終的な検索アルゴリズムが似ているように思います。 その差が偏差値誤差となるのだろう。そこで、どちらが誤差を小さくできるのだろうかと考えた。 回帰よりも勾配降下の方が精度が高くなるような気がします。 私が言いたいのは、例えば先生がいるとして、ネットワークの出力は先生のコピーであるべきで、誤差は最小であるべきだということです。 だから、どのモデルをどのアルゴリズムで使うか、決められないんです。 回帰や分類はブラックボックス化した結果です。デサントとは、その内部で起こることです。これらは比較することができません。 テレビの画面に映る絵(結果)と、そのテレビの中に入っている抵抗器の動作原理のようなものです。 ローマン だから、どのモデルをどのアルゴリズムで使うか、決められないんです。 どのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。 MOはパターンがあると有効です。このスレッドでは、数年以上、誰も安定した稼ぎを見いだせなかった。 脳を鍛えない限り)) aleger 2019.08.24 12:53 #15256 エリブラリウスどのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。 MOはパターンがあると有効です。このスレで、数年以上、安定して稼げるものを見つけた人はいない。 脳を鍛えているだけなのです))。 慎重なスキャルピングと、前・現在・次の主要トレンドを厳密に追うことでしか、安定した収益を得ることはできません。 Roman 2019.08.24 12:55 #15257 エリブラリウス 回帰や分類はブラックボックス化した結果です。デサントとは、その内部で起こることです。これらは比較することができません。テレビの画面の絵(結果)と、そのテレビの中に入っている抵抗器の原理みたいなものです。 どちらのアルゴリズムも意味がない。市場は(純粋に価格だけを見れば)SBです。 MOはパターンがあると有効です。このスレで、数年以上、安定して稼げるものを見つけた人はいない。 脳を鍛えているだけなのです))。 分かりやすい説明ありがとうございます。 要は、MOでは純粋な形でパターンを探すつもりはないんです。 このパターンを検出するツールを作ろうと思っています。 ですから、先生をネットワークの出力にコピーするために、正しいタイプのアルゴリズムを、最小限の誤差で選択する必要があるのです。 この場合、ネットワークはパターンを探しているわけではなく、ただ先生の真似をしているに過ぎない。 Forester 2019.08.24 12:59 #15258 ローマン 分かりやすい説明ありがとうございます。 それこそ、MOで純粋にパターンを探すつもりはないんです。 このパターンを検出するツールを作ろうと思っています。 ですから、先生をネットワークの出力に、最小限の誤差でコピーするために、適切なタイプのアルゴリズムを選択する必要があるのです。 この場合、ネットワークは規則性を求めているのではなく、ただ先生をコピーしているだけなのです。 過去(=先生)のことは、森もNSもよく覚えている。しかし、将来的には50/50になるだろう Alexander_K 2019.08.24 18:30 #15259 エリブラリウス どのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。 MOはパターンがあるとうまくいくんです。このスレッドでは、数年前から、誰も安定的に機能するものを見つけていない。 SBとする。 しかし、SBというか、ランダムなプロセスにも規則性がある。私たちは、「理論から実践へ」というブランチで、それらを一度ならず議論しました。それは、アインシュタイン・スモルコフスキー方程式と2次元歩行における出発点=66%への回帰、多数の独立確率変数のガウス分布への収束の結果として、定常分散です...。はい、いろいろと...。ランダムプロセスの全理論があり、誰がなんと言おうとSBで勝つことは可能なのです。 では、なぜ財務省はこの任務に失敗しているのでしょうか。哲学的、概念的な問いかけ。その答えがわからない...。 Maxim Dmitrievsky 2019.08.24 18:53 #15260 アレクサンダー_K. SBとする。 しかし、やはりSBというか、ランダムなプロセスにも規則性がある。私たちはそれらを「理論から実践へ」の枝で一度ならず論じた。それは、アインシュタイン・スモルコフスキー方程式の帰結としての定常分散と、二次元の放浪における原点回帰=66%、多数の独立確率変数の和のガウス分布への収束である...。はい、いろいろと...。ランダムプロセスの全理論があり、誰がなんと言おうとSBで勝つことは可能なのです。 では、なぜ財務省はこの任務に失敗しているのでしょうか。哲学的、概念的な問いかけ。その答えがわからない...。 この秋には、このテーマを終わらせないと、なんだかつまらなくなってしまう。私は、ニューラルネットワークのアドオンの研究に多くの時間を費やし、そして、誰も開発したことのない金融市場向けの応用理論も研究してきました。データサイエンティストには、なぜか一般的に敬遠されがちです。 いろいろな学術論文や教授の研究を有料で購読していますが、どれもオプションで使えるものがほとんどです。その場で釣れるものがないことが証明されたと思っているのです。 1...151915201521152215231524152515261527152815291530153115321533...3399 新しいコメント 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
勾配降下法は、ニューラルネットワークがニューロンの重み/乗数/配置を選択する方法である。
回帰と分類は、フォレストとニューラルネットワークの両方が実行できるタスクである。
勾配降下法は、ニューラルネットワークがニューロンの重み/乗数/配置を選択する方法である。
ありがとう、でもそういう意味じゃないんだ。
最終結果の類似性について、回帰と勾配降下。
回帰は近傍の中間点を求め、勾配降下は最も近い点を求める。
本質的には、最終的な検索アルゴリズムが似ているように思います。
その差が偏差値誤差となるのだろう。そこで気になったのですが、どちらが誤差が小さくなるのでしょうか?
回帰よりも勾配降下の方が精度が高くなるような気がします。
私が言いたいのは、例えば先生がいるとして、ネットワークの出力は先生のコピーであるべきで、誤差は最小であるべきだということです。
だから、どのモデルをどのアルゴリズムで使うか、決められないんです。
ありがとうございます、でもそういう意味じゃないんです。
最終的な結果の類似性について、回帰と勾配降下。
回帰は近傍の中間点を求め、勾配降下は可能な限り近い点を求める。
本質的には、最終的な検索アルゴリズムが似ているように思います。
その差が偏差値誤差となるのだろう。その方が誤差が小さくなると思ったからです。
回帰よりも勾配降下の方が精度が高くなると思います。
それ以外の答えは期待できないだろう。
ありがとうございます、でもそういう意味じゃないんです。
最終的な結果の類似性について、回帰と勾配降下。
回帰は近傍の中間点を求め、勾配降下は最も近い点を求める。
本質的には、最終的な検索アルゴリズムが似ているように思います。
その差が偏差値誤差となるのだろう。そこで、どちらが誤差を小さくできるのだろうかと考えた。
回帰よりも勾配降下の方が精度が高くなるような気がします。
私が言いたいのは、例えば先生がいるとして、ネットワークの出力は先生のコピーであるべきで、誤差は最小であるべきだということです。
だから、どのモデルをどのアルゴリズムで使うか、決められないんです。
回帰や分類はブラックボックス化した結果です。デサントとは、その内部で起こることです。これらは比較することができません。 テレビの画面に映る絵(結果)と、そのテレビの中に入っている抵抗器の動作原理のようなものです。
だから、どのモデルをどのアルゴリズムで使うか、決められないんです。
どのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。
MOはパターンがあると有効です。このスレッドでは、数年以上、誰も安定した稼ぎを見いだせなかった。
脳を鍛えない限り))
どのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。
MOはパターンがあると有効です。このスレで、数年以上、安定して稼げるものを見つけた人はいない。
脳を鍛えているだけなのです))。
慎重なスキャルピングと、前・現在・次の主要トレンドを厳密に追うことでしか、安定した収益を得ることはできません。
回帰や分類はブラックボックス化した結果です。デサントとは、その内部で起こることです。これらは比較することができません。テレビの画面の絵(結果)と、そのテレビの中に入っている抵抗器の原理みたいなものです。
どちらのアルゴリズムも意味がない。市場は(純粋に価格だけを見れば)SBです。
MOはパターンがあると有効です。このスレで、数年以上、安定して稼げるものを見つけた人はいない。
脳を鍛えているだけなのです))。
分かりやすい説明ありがとうございます。
要は、MOでは純粋な形でパターンを探すつもりはないんです。
このパターンを検出するツールを作ろうと思っています。
ですから、先生をネットワークの出力にコピーするために、正しいタイプのアルゴリズムを、最小限の誤差で選択する必要があるのです。
この場合、ネットワークはパターンを探しているわけではなく、ただ先生の真似をしているに過ぎない。
分かりやすい説明ありがとうございます。
それこそ、MOで純粋にパターンを探すつもりはないんです。
このパターンを検出するツールを作ろうと思っています。
ですから、先生をネットワークの出力に、最小限の誤差でコピーするために、適切なタイプのアルゴリズムを選択する必要があるのです。
この場合、ネットワークは規則性を求めているのではなく、ただ先生をコピーしているだけなのです。
どのアルゴリズムも意味をなさない。市場は(純粋に価格だけを見れば)SBです。
MOはパターンがあるとうまくいくんです。このスレッドでは、数年前から、誰も安定的に機能するものを見つけていない。
SBとする。
しかし、SBというか、ランダムなプロセスにも規則性がある。私たちは、「理論から実践へ」というブランチで、それらを一度ならず議論しました。それは、アインシュタイン・スモルコフスキー方程式と2次元歩行における出発点=66%への回帰、多数の独立確率変数のガウス分布への収束の結果として、定常分散です...。はい、いろいろと...。ランダムプロセスの全理論があり、誰がなんと言おうとSBで勝つことは可能なのです。
では、なぜ財務省はこの任務に失敗しているのでしょうか。哲学的、概念的な問いかけ。その答えがわからない...。
SBとする。
しかし、やはりSBというか、ランダムなプロセスにも規則性がある。私たちはそれらを「理論から実践へ」の枝で一度ならず論じた。それは、アインシュタイン・スモルコフスキー方程式の帰結としての定常分散と、二次元の放浪における原点回帰=66%、多数の独立確率変数の和のガウス分布への収束である...。はい、いろいろと...。ランダムプロセスの全理論があり、誰がなんと言おうとSBで勝つことは可能なのです。
では、なぜ財務省はこの任務に失敗しているのでしょうか。哲学的、概念的な問いかけ。その答えがわからない...。
この秋には、このテーマを終わらせないと、なんだかつまらなくなってしまう。私は、ニューラルネットワークのアドオンの研究に多くの時間を費やし、そして、誰も開発したことのない金融市場向けの応用理論も研究してきました。データサイエンティストには、なぜか一般的に敬遠されがちです。
いろいろな学術論文や教授の研究を有料で購読していますが、どれもオプションで使えるものがほとんどです。その場で釣れるものがないことが証明されたと思っているのです。