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 1546 1...153915401541154215431544154515461547154815491550155115521553...3399 新しいコメント Aleksey Vyazmikin 2019.09.28 21:34 #15451 マキシム・ドミトリエフスキー 弱い汎化という意味での過学習。この問題を回避する方法はすでに上に書きましたが、もっとエレガントな方法があるはずです。 電車+バライドでのトレーニングの質は全く問題ありません。 データのことかもしれません。インクリメントのような均質なデータはNSに与えるのがよく、パターン、ニュース、リスク要因、時間、イベント、株価密度、建玉、出来高といった非均質なデータには異なるタイプのツリーがよく働くと、さまざまなトレーナーから聞いたのは初めてのことではありません。 この方法を知らないと、pipsではなくpipsで、あるいは終値の何%かで、その違いに驚くかもしれません。 Aleksey Vyazmikin 2019.09.28 21:34 #15452 セルゲイ・チャリシェフ 皆さん、先生の力を借りてネットワークを鍛えようとしているんですね。 リカバリーファクターなど、目標とする関数を用いてネットワークの学習を試みた方はいらっしゃいますか? 葉っぱを選んで、そこから自分のパラメータに従ってモデルを作っていく。 Aleksey Vyazmikin 2019.09.28 21:39 #15453 エリブラリウス そうとは言い切れませんが。 XGBoostでは、最初の木が粗いモデルである。他のものは最初のものを修正し、微小なファクターで修正します。個人では何もできない、集団でなければいい結果は得られないのです。 キャットバストでは、どうやら基本原理は同じで、独自の特殊性があるようです。 実際、私もツリーをより本格的にする以外は懐疑的です。今、6分割のデータを用意していますが、足りないと思います。 しかし、重み付けの本質は、モデル内の全シートを発生主義で評価しているだけであり、シート構築の原則を守り、欲張りによる独立構築を考慮し、ツリー改善と評価をチェックするため、その中に良いパターンがあることは否定できません。見てみよう。 Maxim Dmitrievsky 2019.09.28 21:42 #15454 アレクセイ・ヴャジミキン つまり、データに関することなのでしょう。さまざまな講師から、NSには増分のような同種のデータを与えるのがよく、一方、さまざまなタイプのツリーは、パターン、ニュース、リスク比率、時間、イベント、カップ密度、建玉、ボリュームといった異種のデータでうまく機能するという話を初めて聞いたわけではありません。 ところで、増分の件ですが、pips単位ではなく、ATR、つまり終値に対するパーセンテージで計測してみたことはありますか? 何を測ればいいのかわからない、気にならない。 Aleksey Vyazmikin 2019.09.28 21:46 #15455 マキシム・ドミトリエフスキー あなたは間違ったことで悩んでいる・・・あなたが何で測ろうがどうでもいい。 ただ逆に、すべての数値を正規化・数値化(範囲に分ける)しているので、自然値に変換することで効果があるかと思いきや、純粋な数値から離れると学習が大幅に悪化することが判明しました。データの前処理で違いが出るというのは、今となっては当たり前のことですね。 Maxim Dmitrievsky 2019.09.28 21:48 #15456 アレクセイ・ヴャジミキン ちょうどその逆で、すべての値を正規化・数値化(範囲分け)しているので、自然値に変換すると効果があると思ったのですが、純粋な数値のままだと、学習が著しく悪くなることが分かりました。データの前処理をすることで違いが出るのは、今となっては当たり前のことですね。 そうですか......あなたにはあなただけの奇妙な世界があるんですね、独自の獣が ))私は、父祖が命じたように、増分値とその対応値、時には価格だけを使用します。 Aleksey Vyazmikin 2019.09.28 21:55 #15457 マキシム・ドミトリエフスキー まあ、あなたにはあなたの奇怪な世界があり、独自の獣がいるのです ))私は、父祖が命じたように、増分値とその対応値、時には価格だけを使用します。 もしかしたら,実験のために,2つのサンプルにあなたの予測因子と私の予測因子を掛け合わせるかもしれませんね。 Maxim Dmitrievsky 2019.09.28 21:57 #15458 アレクセイ・ヴャジミキン 実験のために、2つのサンプルを、あなたと私の予測因子でクロスさせてみてはどうでしょうか? なぜかというと、どんな予測値も帰国子女から導き出されるものだからです。ただ、自分のものにリターンを追加して、クロスさせたものを考える。 Aleksey Vyazmikin 2019.09.28 22:04 #15459 マキシム・ドミトリエフスキー なぜかというと、どんなパーディクターもリターンから派生するものだからです。自分のものにリターンを追加するだけで、すでにクロスしたと考えることができます。 どんなリターンを、どんなピッチで、何個追加すればいいのかわからない。 Maxim Dmitrievsky 2019.09.28 22:10 #15460 アレクセイ・ヴャジミキン どんなリターンを、どんなピッチで、何枚追加すればいいのかわからない。 私にもわからない、いつも違う。 1...153915401541154215431544154515461547154815491550155115521553...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
弱い汎化という意味での過学習。この問題を回避する方法はすでに上に書きましたが、もっとエレガントな方法があるはずです。
電車+バライドでのトレーニングの質は全く問題ありません。
データのことかもしれません。インクリメントのような均質なデータはNSに与えるのがよく、パターン、ニュース、リスク要因、時間、イベント、株価密度、建玉、出来高といった非均質なデータには異なるタイプのツリーがよく働くと、さまざまなトレーナーから聞いたのは初めてのことではありません。
この方法を知らないと、pipsではなくpipsで、あるいは終値の何%かで、その違いに驚くかもしれません。
皆さん、先生の力を借りてネットワークを鍛えようとしているんですね。
リカバリーファクターなど、目標とする関数を用いてネットワークの学習を試みた方はいらっしゃいますか?
葉っぱを選んで、そこから自分のパラメータに従ってモデルを作っていく。
そうとは言い切れませんが。
XGBoostでは、最初の木が粗いモデルである。他のものは最初のものを修正し、微小なファクターで修正します。個人では何もできない、集団でなければいい結果は得られないのです。キャットバストでは、どうやら基本原理は同じで、独自の特殊性があるようです。
実際、私もツリーをより本格的にする以外は懐疑的です。今、6分割のデータを用意していますが、足りないと思います。
しかし、重み付けの本質は、モデル内の全シートを発生主義で評価しているだけであり、シート構築の原則を守り、欲張りによる独立構築を考慮し、ツリー改善と評価をチェックするため、その中に良いパターンがあることは否定できません。見てみよう。
つまり、データに関することなのでしょう。さまざまな講師から、NSには増分のような同種のデータを与えるのがよく、一方、さまざまなタイプのツリーは、パターン、ニュース、リスク比率、時間、イベント、カップ密度、建玉、ボリュームといった異種のデータでうまく機能するという話を初めて聞いたわけではありません。
ところで、増分の件ですが、pips単位ではなく、ATR、つまり終値に対するパーセンテージで計測してみたことはありますか?
何を測ればいいのかわからない、気にならない。
あなたは間違ったことで悩んでいる・・・あなたが何で測ろうがどうでもいい。
ただ逆に、すべての数値を正規化・数値化(範囲に分ける)しているので、自然値に変換することで効果があるかと思いきや、純粋な数値から離れると学習が大幅に悪化することが判明しました。データの前処理で違いが出るというのは、今となっては当たり前のことですね。
ちょうどその逆で、すべての値を正規化・数値化(範囲分け)しているので、自然値に変換すると効果があると思ったのですが、純粋な数値のままだと、学習が著しく悪くなることが分かりました。データの前処理をすることで違いが出るのは、今となっては当たり前のことですね。
そうですか......あなたにはあなただけの奇妙な世界があるんですね、独自の獣が ))私は、父祖が命じたように、増分値とその対応値、時には価格だけを使用します。
まあ、あなたにはあなたの奇怪な世界があり、独自の獣がいるのです ))私は、父祖が命じたように、増分値とその対応値、時には価格だけを使用します。
もしかしたら,実験のために,2つのサンプルにあなたの予測因子と私の予測因子を掛け合わせるかもしれませんね。
実験のために、2つのサンプルを、あなたと私の予測因子でクロスさせてみてはどうでしょうか?
なぜかというと、どんな予測値も帰国子女から導き出されるものだからです。ただ、自分のものにリターンを追加して、クロスさせたものを考える。
なぜかというと、どんなパーディクターもリターンから派生するものだからです。自分のものにリターンを追加するだけで、すでにクロスしたと考えることができます。
どんなリターンを、どんなピッチで、何個追加すればいいのかわからない。
どんなリターンを、どんなピッチで、何枚追加すればいいのかわからない。
私にもわからない、いつも違う。