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 1604

新しいコメント
 
捨ててください
 
ドミトリー

ああ、トレーニング時とテスト時のネットワーク性能の差ということですか。

損失は避けられない。

内部テストは、データセットの一部を選んでチェックするもので、通常0,2、外部テストは、ニューロが見ていない部分のみを取り出すものである。2回目の結果が本当の市場であり、そうでない場合はどこかに間違いがあるということです。
 
エフゲニー・デューカ
検証のためにデータセットの一部（通常は0,2）を選択する内部テストと、ニューロが見ていない部分だけを取り出す外部テストがある。2回目の結果は本当の市場、そうでないなら間違いがある。

残念なことに、実はあなたの「テストからテストへ」は、ティーチングサンプルの一部なのです。

 
ディミトリ
吐き出す
しない。今、ある問題を解決しようとして壁に頭を打ち付けている人を救う準備はできています。私はそれを経験し、私が与える情報は、暗闇の中でさまようあなたの1ヶ月を節約することができます。
 
エフゲニー・デューカ
しない。今、別の具体的な問題を解決しようとして壁に頭をぶつけている人を救う準備はできている。私はそれを経験した、私が与える情報は暗闇の中でさまよう1ヶ月を救うことができます。

よし、"情報 "を吐き出せ。

 
ディミトリ

よし、お前の "情報 "を吐き出せ。

ただ、一般向けの憶測は電報チャンネルにあるので、そこで仕事の履歴をたどることができます。ここで、具体的に説明したいと思います。
 
エフゲニー・デューカ
テレグラムチャンネルに一般向けの憶測があるだけで、そこでは仕事の歴史をたどることができます。ここで、私は実質的なことを述べたいと思います。

よし、白状しよう。

 
レナト・ファットフーリン

組み込みのPythonスクリプトとPython用Metatrader5 ライブラリをまだ使ったことがある人はいますか？

今のところ、非常に高速に動作しています。データベースと接続するのは、後ほど。

 
エフゲニー・デューカ
テストは、データセットの一部、通常は0,2をチェックアウトするinternalと、ニューロが見ていない部分のみを取り出したexternalの2種類があります。2回目の結果はリアルマーケット、そうでないなら間違いがある。

ユージン こんにちは、ありがとうございました。GMDHの 観点で行うこと（「第3の」サンプルでのテスト）は、「予測力基準」http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune と呼ばれます。

GMDHに関する最初の出版物は1960年代のどこかで始まっており、「第3の」サンプルでの テストによる「あなたのノウハウ」の アイデアは すでに60年前のものであることを思い出してください))

しかし、このアプローチは決して古くならないので、A.G. Ivakhnenkoの著作を読むことを強くお勧めします...と記しておきたい。

例えば、MSUA回帰は、最新のランダムフォレストアルゴリズムの回帰を模倣しているだけで、ブースティングもいろいろと...」。


さて、テレグラムのリンクについてですが...。しかし、あなたのアプローチや考え方を読むのは興味深いです。ドミトリーは、公然と野暮ったい形ではありますが、ここで発表すべきだと正しく言っています...

Метод группового учёта аргументов
  • www.machinelearning.ru
Метод группового учета аргументов, МГУА (Group Method of Data Handling, GMDH) — метод порождения и выбора регрессионных моделей оптимальной сложности. Под сложностью модели в МГУА понимается число параметров. Для порождения используется [базовая модель], подмножество элементов которой должно входить в искомую модель. Для выбора моделей...
 
mytarmailS:

ユージン こんにちは、ありがとうございました。GMDHの 観点で行うこと（「第3」サンプルでのテスト）は、「予測力基準」と 呼ばれますhttp://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune

GMDHに関する最初の出版物は1960年代のどこかで始まっており、「第3の」サンプルでの テストによる「あなたのノウハウ」の アイデアは すでに60年前のものであることを思い出してください))

しかし、このアプローチは決して古くならないので、A.G. Ivakhnenkoの著作を読むことを強くお勧めします...と記しておきたい。

例えば、MSUA回帰は、最新のランダムフォレストアルゴリズムの回帰を模倣しているだけで、ブースティングもいろいろと...」。


さて、テレグラムのリンクについてですが...。信号以外は何も見つかりませんでしたが、あなたのアプローチや考え方を読むのは興味深いです。ドミトリーは、堂々とした野暮ったい形ではありますが、ここで発表することが必要だと正しく言っています...。

JPredictionはIvakhnenkoのグループ論法を用いています。レシェトフ・ユーは何度も言っていたが......。この方法自体は、データを徹底的に振り出し、現状の実態に合わせた大きなサンプルを必要としないため、機械工数という点では時間がかかる。

私を信じない人は、彼らに確認させてください:-)

1...159715981599160016011602160316041605160616071608160916101611...3399
新しいコメント
理由: