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 1703 1...169616971698169917001701170217031704170517061707170817091710...3399 新しいコメント Реter Konow 2020.04.15 11:18 #17021 mytarmailS: 考える（知性が問題を解決する） とき、その瞬間に誰かとコミュニケーションをとる必要が あるのでしょうか？ あなたはまだ知能の「虫」の定義を理解できないので、私たちは今、異なる言語でコミュニケーションしているのです。 もしかしたら、私のAIに対する理解はいい加減なものかもしれません。しかし、一般的には、AIはまさに人間と対話するシステムです。AIが、使いやすい音声や視覚的なインターフェースを提供して人間と対話するのではなく、ステルスモードで動作するのであれば、それは単なるプログラムということになります。そうでしょう？また、ニューラルネットワークで動くプログラムでも、AIにはなり得ません。 Mihail Marchukajtes 2020.04.15 11:20 #17022 Rechtg Konow: このような過大なデータはデメリットに感じないのでしょうか？道路標識を認識するNSは、横に小さなステッカーが貼ってあると間違うそうです。この超感覚は必要ないのでは？ これはちょっと違いますね。教え方を間違えると、本来は自分が知らないことを教えていることになる。NSは子供と同じで、あなたがしてほしいことを正確に伝える必要があることを忘れないでください。結局、学習に対する自分の考えで解釈する結果となり、現実には選択肢として、ぼやけていたのです。 今日のヒント入力ベクトルを座標系の原点から球体として配置することで、曖昧さをなくし、矛盾を回避することができます。 mytarmailS 2020.04.15 11:23 #17023 タグコノウ。 もしかしたら、私のAIに対する理解はいい加減なものかもしれません。しかし、一般的には、AIはまさに人間と対話するシステムです。もしAIが、使いやすい音声や視覚的なインターフェースを提供して人間と対話せず、ステルスモードで動作するならば、それは単なるプログラムでしか ないでしょう。そうでしょう？ YES!!!!!!! まさにその通りです！（笑 知性は、自己修正、自己適応の選択、情報の変換 のアルゴリズム であり、その作用の結果として、それまで主体が知らなかった、また外部から既成の形で入ってこなかった情報モジュールが出現 する。 これは理性ではなく、唯一の既知の考え方であり、あなたはそれを理性と混同しているのです。 自転車のサドルと自転車本体を混同して、サドルに乗れ！と言っているのでは？ Реter Konow 2020.04.15 11:26 #17024 Mihail Marchukajtes： これはちょっと違いますね。教え方を間違えると、本来は自分が知らないことを教えていることになる。NSは子供と同じで、あなたがしてほしいことを正確に伝える必要があることを忘れないでください。結局、結果は自分の学習に対する考え方の枠内で解釈することになり、現実には選択肢として、ぼやけてしまうのです。今日のヒント入力ベクトルを座標系の原点から球状に配置することで、曖昧さをなくし、矛盾をなくすことができます。 オッケーです。NSは、データ中の再帰的不変量を捉えるように訓練されていますね。要するに、統計的なアプローチです。では、なぜ一度だけの小さなミスが、トレーニングにこれほど大きな影響を与えるのでしょうか。人は気づかず忘れてしまうが、ネットワークの訓練は 破綻する？ Mihail Marchukajtes 2020.04.15 11:31 #17025 タグコノウ。 オッケーです。NSは、データの中に繰り返し現れる不変なものを捉えるように訓練されていますね。本来は統計学的なアプローチです。では、なぜ一度だけの小さなミスが、トレーニングに大きな影響を与えるのでしょうか。人は気づかず忘れてしまうが、ネットワークの訓練は破綻する？ 間違いは、ただの間違いではありません。小さなミスが大きな影響を与えます。 そして、NSは繰り返しデータを拾うことを求められているわけではありません。繰り返しのデータがない中で、正しい結果を得るために隠れたパターンを特定することが求められているのです。一般化を理解する。データの領域が有限であるにもかかわらず、その50％しかデータがない場合。ネットワークが学習し、パターンを特定することで、見ていないデータの残りを構築することができるのです。ネットワークが勝手に描き出した画素が欠けた古い映像を再構築するようなものです。 Реter Konow 2020.04.15 11:32 #17026 mytarmailS: YES!!!!!!! まさにその通りです！（笑 知性は、自己修正、自己適応の選択、情報の変換 のアルゴリズム であり、その結果、それまで主体が知らなかった情報モジュールが出現し、外部から既製の 形で入ってきたのではない これは理性ではなく、唯一の既知の考え方であり、あなたはそれを理性と混同しているのです。 自転車のサドルと自転車本体を混同して、サドルに乗ってほしい！と思っているのでは？ 混乱はしていない。従来のアルゴリズムに関するプログラム、ニューラルネットワークに関するプログラム、AIとインテリジェンスに関するプログラムを明確に分けました。AIは、ニューラルネットワーク上の閉じたプログラムとは対照的に、人と直接対話し、その対話の過程で人によってプログラムされる。しかし、NS上のプログラムはクローズドモードで動作するため、外部データの認識に限界がある。インテリジェンスの定義は正しい。 Forester 2020.04.15 11:33 #17027 Aleksey Vyazmikin： おそらく素通りしてしまうのでしょうが、そこでは、競技ではサンプリングが定常的で、特にゴミのような特徴もなく、つまり、我々が扱うような条件ではないので、その特徴を踏まえて、どのようにデータを用意するのがベストなのか考えているところです。(解決策はまだ最終形ではありませんが、重要な課題です）。異なるツリー構築モデルは良いのですが、現時点では別ファイルにアップロードできないため、Expert Advisorに埋め込むことができず、その点が残念です。 JOTのデータからスプリットを見ることができるリンクをあげました。ここで、フルモデルをファイルにダウンロードします。そして、そこからスプリットを読み出す。 Aleksey Vyazmikin： ブースティングでは、学習が終わった後に、弱い木を捨ててモデルを単純化する、という後処理がないのが嫌ですね。なぜそうしないのか、理解できない。 ブースティングでは、定義上、すべての木が重要である。ひとつひとつの積み重ねが、前のものをすべて磨き上げていく。もし、途中で1つの木を捨ててしまうと、その後に続くすべての木が誤ったデータで動作してしまうので、捨てた木を考慮せずに再トレーニングを行う必要があります。最初のツリーは、廃棄されたツリーを非常によく再現しています。 Aleksey Vyazmikin： ブースティングの個々の木の葉は1％以下と弱く、完全性が小さいので、このパラメータを調整できないのが悪い。 そうですね。文鳥の個々の葉は、他の精製木の葉の反応によって補われるため、不完全なものです。そして、例えば100本の木の累積回答だけが正解となる。 ブーストモデルの一葉から有効なものを得ようとするのは無理がある。 100本の木から得られた100個の回答はすべてブースティングで合計され、それぞれが例えば0,01の合計＝1を与える。1葉＝0.01という値、そこから何を得たいのか？何もないんです。100枚の葉の合計だけが正しい答えになります。 実際、1番目の木が強く、例えば0.7を与え、残りの木は合計を1に近づけているのです。最初の木の葉だけを別に考えればですが、ランダムフォレストの どの木よりも、深さが浅い分、弱いと思っています。 ランダムフォレストは平均値を持ち、例えば100本の木の葉はすべて1であり、平均値も1である。その中で、キツネは完成されているが、ランダムな変動がある。しかし、100人の回答者が集まれば、それなりに正確な答えとして平均値を出すことができます。 Mihail Marchukajtes 2020.04.15 11:35 #17028 本物のトレーダーのように、私は2つの大鹿を手に入れ、モデルの配線を直した。トレーディングは報われないビジネスです :-) mytarmailS 2020.04.15 11:36 #17029 タグコノウ。 混乱はしていない。従来のアルゴリズムに関するプログラム、ニューラルネットワークに関するプログラム、AIやインテリジェンスに関するプログラムを明確に分けました。 AIは、ニューラルネットワーク上の閉じたプログラムとは異なり、人間と直接対話し、その対話の中で人間によってプログラミングされる。一方、AIソフトはクローズドモードで動作するため、外部データの認識に限界があります。 まいった． Mihail Marchukajtes 2020.04.15 11:38 #17030 一般に、人と機械の間の相互作用をインターフェースと呼び、人間工学のルールに従って設計されますが、それはまた別のレ......続きを読む 1...169616971698169917001701170217031704170517061707170817091710...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
考える（知性が問題を解決する） とき、その瞬間に誰かとコミュニケーションをとる必要が あるのでしょうか？
あなたはまだ知能の「虫」の定義を理解できないので、私たちは今、異なる言語でコミュニケーションしているのです。
このような過大なデータはデメリットに感じないのでしょうか？道路標識を認識するNSは、横に小さなステッカーが貼ってあると間違うそうです。この超感覚は必要ないのでは？
これはちょっと違いますね。教え方を間違えると、本来は自分が知らないことを教えていることになる。NSは子供と同じで、あなたがしてほしいことを正確に伝える必要があることを忘れないでください。結局、学習に対する自分の考えで解釈する結果となり、現実には選択肢として、ぼやけていたのです。
今日のヒント入力ベクトルを座標系の原点から球体として配置することで、曖昧さをなくし、矛盾を回避することができます。
もしかしたら、私のAIに対する理解はいい加減なものかもしれません。しかし、一般的には、AIはまさに人間と対話するシステムです。もしAIが、使いやすい音声や視覚的なインターフェースを提供して人間と対話せず、ステルスモードで動作するならば、それは単なるプログラムでしか ないでしょう。そうでしょう？
YES!!!!!!!
まさにその通りです！（笑
知性は、自己修正、自己適応の選択、情報の変換 のアルゴリズム であり、その作用の結果として、それまで主体が知らなかった、また外部から既成の形で入ってこなかった情報モジュールが出現 する。
これは理性ではなく、唯一の既知の考え方であり、あなたはそれを理性と混同しているのです。
自転車のサドルと自転車本体を混同して、サドルに乗れ！と言っているのでは？
これはちょっと違いますね。教え方を間違えると、本来は自分が知らないことを教えていることになる。NSは子供と同じで、あなたがしてほしいことを正確に伝える必要があることを忘れないでください。結局、結果は自分の学習に対する考え方の枠内で解釈することになり、現実には選択肢として、ぼやけてしまうのです。
今日のヒント入力ベクトルを座標系の原点から球状に配置することで、曖昧さをなくし、矛盾をなくすことができます。
オッケーです。NSは、データの中に繰り返し現れる不変なものを捉えるように訓練されていますね。本来は統計学的なアプローチです。では、なぜ一度だけの小さなミスが、トレーニングに大きな影響を与えるのでしょうか。人は気づかず忘れてしまうが、ネットワークの訓練は破綻する？
間違いは、ただの間違いではありません。小さなミスが大きな影響を与えます。
そして、NSは繰り返しデータを拾うことを求められているわけではありません。繰り返しのデータがない中で、正しい結果を得るために隠れたパターンを特定することが求められているのです。一般化を理解する。データの領域が有限であるにもかかわらず、その50％しかデータがない場合。ネットワークが学習し、パターンを特定することで、見ていないデータの残りを構築することができるのです。ネットワークが勝手に描き出した画素が欠けた古い映像を再構築するようなものです。
YES!!!!!!!
まさにその通りです！（笑
知性は、自己修正、自己適応の選択、情報の変換 のアルゴリズム であり、その結果、それまで主体が知らなかった情報モジュールが出現し、外部から既製の 形で入ってきたのではない
これは理性ではなく、唯一の既知の考え方であり、あなたはそれを理性と混同しているのです。
自転車のサドルと自転車本体を混同して、サドルに乗ってほしい！と思っているのでは？
おそらく素通りしてしまうのでしょうが、そこでは、競技ではサンプリングが定常的で、特にゴミのような特徴もなく、つまり、我々が扱うような条件ではないので、その特徴を踏まえて、どのようにデータを用意するのがベストなのか考えているところです。(解決策はまだ最終形ではありませんが、重要な課題です）。
異なるツリー構築モデルは良いのですが、現時点では別ファイルにアップロードできないため、Expert Advisorに埋め込むことができず、その点が残念です。
JOTのデータからスプリットを見ることができるリンクをあげました。ここで、フルモデルをファイルにダウンロードします。そして、そこからスプリットを読み出す。
ブースティングでは、学習が終わった後に、弱い木を捨ててモデルを単純化する、という後処理がないのが嫌ですね。なぜそうしないのか、理解できない。
ブースティングでは、定義上、すべての木が重要である。ひとつひとつの積み重ねが、前のものをすべて磨き上げていく。もし、途中で1つの木を捨ててしまうと、その後に続くすべての木が誤ったデータで動作してしまうので、捨てた木を考慮せずに再トレーニングを行う必要があります。最初のツリーは、廃棄されたツリーを非常によく再現しています。
ブースティングの個々の木の葉は1％以下と弱く、完全性が小さいので、このパラメータを調整できないのが悪い。
そうですね。文鳥の個々の葉は、他の精製木の葉の反応によって補われるため、不完全なものです。そして、例えば100本の木の累積回答だけが正解となる。
ブーストモデルの一葉から有効なものを得ようとするのは無理がある。
100本の木から得られた100個の回答はすべてブースティングで合計され、それぞれが例えば0,01の合計＝1を与える。1葉＝0.01という値、そこから何を得たいのか？何もないんです。100枚の葉の合計だけが正しい答えになります。
実際、1番目の木が強く、例えば0.7を与え、残りの木は合計を1に近づけているのです。最初の木の葉だけを別に考えればですが、ランダムフォレストの どの木よりも、深さが浅い分、弱いと思っています。
ランダムフォレストは平均値を持ち、例えば100本の木の葉はすべて1であり、平均値も1である。その中で、キツネは完成されているが、ランダムな変動がある。しかし、100人の回答者が集まれば、それなりに正確な答えとして平均値を出すことができます。
本物のトレーダーのように、私は2つの大鹿を手に入れ、モデルの配線を直した。トレーディングは報われないビジネスです :-)
混乱はしていない。従来のアルゴリズムに関するプログラム、ニューラルネットワークに関するプログラム、AIやインテリジェンスに関するプログラムを明確に分けました。
まいった．