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 1710 1...170317041705170617071708170917101711171217131714171517161717...3399 新しいコメント mytarmailS 2020.04.17 06:02 #17091 マキシム・ドミトリエフスキー マックス！このモデルの名前をもう一度教えてくれ... 1) モデル1を学習させる 2) モデル2の学習は、モデル1のテストデータに対する予測 値で行う など。 スタッキング Forester 2020.04.17 07:03 #17092 アレクセイ・ヴャジミキン はい、不思議な結果です。トレーニングに関わるテストサンプルから確率を取るのではないのですか？しかし、エラーが発生しているようです。 また、サンプルの総ユニット数（ターゲットのライン数）はいくつでしょうか？ テストサンプルはありません。 データセットには合計891行がある。 そこには、rms,rmse,clsなどの計算式のどれかが使われているのではと思います。0%、50%、100%で結果が収束することが大きなポイントです。そして、その中間はカーブしています。クラスによる分割は通常50%で行われ、この時点で共通の確率のマッチングが存在します。そこで、この問題を未解決のままにしておくことにした。 mytarmailS 2020.04.17 07:57 #17093 アレクセイ・ヴャジミキン エリブラリウス 質問していいですか？ なぜケットバストなのか？アナログにないものは何ですか？ Aleksey Vyazmikin 2020.04.17 08:11 #17094 エリブラリウス テストサンプルはありません。 データセットには合計891行がある。 そこには、rms,rmse,clsなどの計算式のどれかが使われているのではと思います。0%、50%、100%で結果が収束することが大きなポイントです。そして、その中間はカーブしています。クラスによる分割は通常50%で行われ、この時点で共通の確率のマッチングがあります。そこで、この問題を未解決のままにしておくことにした。 そう、コードを壊さなければ、そこにあるアイデアの深さは理解できないのです。でも、すでに持っている葉っぱを考慮して、重さを割り振っているのは面白いですね。 Aleksey Vyazmikin 2020.04.17 08:18 #17095 mytarmailS: 質問していいですか？ なぜケットバストなのか？アナログにないものは何ですか？ 私が興味を持ったのは、次のような理由からです。 1.サポート - 多くの情報と開発者からのフィードバックがあります。 2.高速学習 - すべてのプロセッサコアを使用します。 3.モデル構築や再トレーニングの制御を柔軟に設定できる - ただし、ここには改善すべき点が多い。 4.MQL5でトレーニングした後、バイナリ対称モデルを適用する能力ですが、私の開発ではありません。 mytarmailS 2020.04.17 08:56 #17096 アレクセイ・ヴャジミキン しゃい mytarmailS 2020.04.17 08:57 #17097 誰でも興味を持つ可能性がある ビットコインの予測例を含む、Rによる時系列予測に関する新しい書籍があります。 https://ranalytics.github.io/tsa-with-r/ Forester 2020.04.17 08:58 #17098 Aleksey Vyazmikin： そう、アイデアの深さを理解するには、コードを解読する必要があるのです。しかし、既存の葉っぱを考慮した上で、重みをつけているところが面白い。 定義上 グラディエントビニングの考え方は、初等的な モデル同士を順次改良してアンサンブルを構築することである。n番目の素性モデルは、n-1個のモデルのアンサンブルの「誤差」に対して学習され、モデルの回答は重み付けされる。ここで「誤差」と あるのは、実際には 連続する各モデルが損失関数の逆勾配を近似して おり、必ずしも実測値と予測値の差に等しくない（つまり文字通りの意味での誤差）ためである。 ウェイトはいつも通り、確率で決まるようです。 しかし、その分割は、どうやらベストなものだけではなく、全体の結果を向上させるものであるようだ。しかし、これはあくまで推測に過ぎない。何キロものリストが含まれているため、コードに目を通すことは不可能です。alglibから4000個の文字列が出るわけではないのです。mytarmailS: なぜキャットバストなのか？アナログにないものは何ですか？ アレクセイと同じ意見です。xgboostの 経験もある。実際に比較することが可能になります。 mytarmailS 2020.04.17 09:11 #17099 エリブラリウス なぜかというと、ケツバストからこの木で苦労しているようですね、出力に問題がある、松葉杖が...。 ルールインダクション」というテーマに少し触れてみたのですが、Rにはたくさんのルール生成パッケージやルールアンサンブルがあるんですね...。 1) ルールの出力が簡単、一行で済む 2) 人間にとって読みやすいルールであること 3)ルール生成 ヒープの種類、些細なものから遺伝的なものまで 4) 予測の品質が他のものと同等であること だから、このケットバストには手を出さない方がいいんじゃないかと思うんです。とか、もっと気持ちのいいものを求めていくとか...。 Maxim Dmitrievsky 2020.04.17 09:19 #17100 mytarmailS: マックス！このモデルの名前をもう一度教えてくれ... 1) モデル1を学習させる 2) モデル2の学習は、モデル1のテストデータに対する予測 値で行う など。 スタッキング メタラベリング デ プラド 1...170317041705170617071708170917101711171217131714171517161717...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
マックス！このモデルの名前をもう一度教えてくれ...
1) モデル1を学習させる
2) モデル2の学習は、モデル1のテストデータに対する予測 値で行う など。
スタッキング
はい、不思議な結果です。トレーニングに関わるテストサンプルから確率を取るのではないのですか？しかし、エラーが発生しているようです。
また、サンプルの総ユニット数（ターゲットのライン数）はいくつでしょうか？データセットには合計891行がある。
そこには、rms,rmse,clsなどの計算式のどれかが使われているのではと思います。0%、50%、100%で結果が収束することが大きなポイントです。そして、その中間はカーブしています。クラスによる分割は通常50%で行われ、この時点で共通の確率のマッチングが存在します。そこで、この問題を未解決のままにしておくことにした。
質問していいですか？
なぜケットバストなのか？アナログにないものは何ですか？
テストサンプルはありません。
データセットには合計891行がある。
そこには、rms,rmse,clsなどの計算式のどれかが使われているのではと思います。0%、50%、100%で結果が収束することが大きなポイントです。そして、その中間はカーブしています。クラスによる分割は通常50%で行われ、この時点で共通の確率のマッチングがあります。そこで、この問題を未解決のままにしておくことにした。
そう、コードを壊さなければ、そこにあるアイデアの深さは理解できないのです。でも、すでに持っている葉っぱを考慮して、重さを割り振っているのは面白いですね。
質問していいですか？
なぜケットバストなのか？アナログにないものは何ですか？
私が興味を持ったのは、次のような理由からです。
1.サポート - 多くの情報と開発者からのフィードバックがあります。
2.高速学習 - すべてのプロセッサコアを使用します。
3.モデル構築や再トレーニングの制御を柔軟に設定できる - ただし、ここには改善すべき点が多い。
4.MQL5でトレーニングした後、バイナリ対称モデルを適用する能力ですが、私の開発ではありません。
しゃい
誰でも興味を持つ可能性がある
ビットコインの予測例を含む、Rによる時系列予測に関する新しい書籍があります。
https://ranalytics.github.io/tsa-with-r/
そう、アイデアの深さを理解するには、コードを解読する必要があるのです。しかし、既存の葉っぱを考慮した上で、重みをつけているところが面白い。
ウェイトはいつも通り、確率で決まるようです。
しかし、その分割は、どうやらベストなものだけではなく、全体の結果を向上させるものであるようだ。しかし、これはあくまで推測に過ぎない。何キロものリストが含まれているため、コードに目を通すことは不可能です。alglibから4000個の文字列が出るわけではないのです。
なぜキャットバストなのか？アナログにないものは何ですか？
なぜかというと、ケツバストからこの木で苦労しているようですね、出力に問題がある、松葉杖が...。
ルールインダクション」というテーマに少し触れてみたのですが、Rにはたくさんのルール生成パッケージやルールアンサンブルがあるんですね...。
1) ルールの出力が簡単、一行で済む
2) 人間にとって読みやすいルールであること
3)ルール生成 ヒープの種類、些細なものから遺伝的なものまで
4) 予測の品質が他のものと同等であること
だから、このケットバストには手を出さない方がいいんじゃないかと思うんです。とか、もっと気持ちのいいものを求めていくとか...。
マックス！このモデルの名前をもう一度教えてくれ...
1) モデル1を学習させる
2) モデル2の学習は、モデル1のテストデータに対する予測 値で行う など。
スタッキング
メタラベリング デ プラド