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 1737 1...173017311732173317341735173617371738173917401741174217431744...3399 新しいコメント mytarmailS 2020.04.22 17:05 #17361 マキシム・ドミトリエフスキー k-means、最も単純な まあ、同じことなんですけどね。 dbscanを試してみてください、その方がいいと思います。 ほら、何をクラスタリングしているのかまでわかるよ)) 自分でもおかしいと思う。） Alexander_K2 2020.04.22 17:06 #17362 Alexander_K2 です。 市場増分の確率分布がCBガウス分布と指数分布（一般的にはエルランジアン分布）の積であることをどこかで示しました（1ヶ月以上トレードしていないので、どこかは忘れました）。 Erlangの分布はティッククオート間の時間間隔を担当し、そのような数値のジェネレータは次のようになります。 ここで、ラムダはイベントの流れの強さ（引用）である。 Lambda=constの場合、プロセスは定常であるが、市場フローの強度が異なる時点、すなわちLambda=f(t)で一般に非定常プロセスが決定される。 そこで、定常的なプロセスを区別するために、同じフラックス密度を持つBPの別々のセクションを全体として考えることが必要である。 つまり、BPを1日の中の時間に分割し、その時間を「糊付け」しようとする試みは、明らかに生存権を有している。 追伸 私の計算では、1日のうち次の時間にも同じフラックス密度が観測されます。 0 1, 23 2, 5, 22 3, 4, 8, 21 6, 7 9, 12, 19 10, 11, 15, 18 13, 14 16 17 20 まあ、これは参考程度に...。 Maxim Dmitrievsky 2020.04.22 17:08 #17363 mytarmailS: どう致しまして dbscanを試してみてください、その方がいいと思います。 ほら、何をクラスタリングしているのかもわかるよ（笑)。 なんで騒いでるんだ、最初に書いただろ。 mytarmailS 2020.04.22 17:10 #17364 マキシム・ドミトリエフスキー なんでビビってるんだ、最初に書いただろ。 見てません Maxim Dmitrievsky 2020.04.22 17:16 #17365 mytarmailS: 見てません。 セントロイドを含むマトリクスを取り出し、新しいデータを含む別のプログラムで別々に使用することはできますか？ Rにはそれが入っているのかもしれませんね。 調べてみてください。 mytarmailS 2020.04.22 17:18 #17366 マキシム・ドミトリエフスキー セントロイドを含むマトリクスを取り出し、新しいデータを含む別のプログラムで別々に使用することはできますか？ Rにその機能があるのかもしれませんね。 調べてみてください。 あわよくば Maxim Dmitrievsky 2020.04.22 17:22 #17367 mytarmailS: 私の理解が正しければ、はい、できます。 教える mytarmailS 2020.04.22 17:23 #17368 マキシム・ドミトリエフスキー 教える むやみにコーディングせず、やりたいことを具体的に書き直す。 fake.dt <- matrix(rnorm(100),ncol = 5) kn <- kmeans(fake.dt,centers = 3) kn$centers kn$centers [,1] [,2] [,3] [,4] [,5] 1 0.1491919 -0.82943057 1.00194753 -0.78824900 0.7330618 2 0.4543194 -0.01318233 -2.36800973 0.05477085 0.2706286 3 0.1478300 0.34991845 -0.04671528 0.33735489 -0.6789331 3つのクラスタから3つのセントロイド Maxim Dmitrievsky 2020.04.22 17:25 #17369 mytarmailS: 書き直すことで、無駄なコーディングが省けます。 フィットしたモデルの後に、アルゴリズムによっては行列かそのようなものがあるはずです。 新しいデータでの予測計算と古いデータでの予測計算を行うことができます。 に転送し、テスターで読み込む。 Maxim Dmitrievsky 2020.04.22 17:28 #17370 それで、どうすればいいかというと、まだクラスタリングが苦手なんです。 1...173017311732173317341735173617371738173917401741174217431744...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
k-means、最も単純な
まあ、同じことなんですけどね。
dbscanを試してみてください、その方がいいと思います。
ほら、何をクラスタリングしているのかまでわかるよ)) 自分でもおかしいと思う。）
市場増分の確率分布がCBガウス分布と指数分布（一般的にはエルランジアン分布）の積であることをどこかで示しました（1ヶ月以上トレードしていないので、どこかは忘れました）。
Erlangの分布はティッククオート間の時間間隔を担当し、そのような数値のジェネレータは次のようになります。
ここで、ラムダはイベントの流れの強さ（引用）である。
Lambda=constの場合、プロセスは定常であるが、市場フローの強度が異なる時点、すなわちLambda=f(t)で一般に非定常プロセスが決定される。
そこで、定常的なプロセスを区別するために、同じフラックス密度を持つBPの別々のセクションを全体として考えることが必要である。
つまり、BPを1日の中の時間に分割し、その時間を「糊付け」しようとする試みは、明らかに生存権を有している。
追伸
私の計算では、1日のうち次の時間にも同じフラックス密度が観測されます。
0
1, 23
2, 5, 22
3, 4, 8, 21
6, 7
9, 12, 19
10, 11, 15, 18
13, 14
16
17
20
まあ、これは参考程度に...。
どう致しまして
dbscanを試してみてください、その方がいいと思います。
ほら、何をクラスタリングしているのかもわかるよ（笑)。
なんで騒いでるんだ、最初に書いただろ。
なんでビビってるんだ、最初に書いただろ。
見てません
見てません。
セントロイドを含むマトリクスを取り出し、新しいデータを含む別のプログラムで別々に使用することはできますか？
Rにはそれが入っているのかもしれませんね。 調べてみてください。
セントロイドを含むマトリクスを取り出し、新しいデータを含む別のプログラムで別々に使用することはできますか？
Rにその機能があるのかもしれませんね。 調べてみてください。
あわよくば
私の理解が正しければ、はい、できます。
教える
教える
むやみにコーディングせず、やりたいことを具体的に書き直す。
3つのクラスタから3つのセントロイド書き直すことで、無駄なコーディングが省けます。
フィットしたモデルの後に、アルゴリズムによっては行列かそのようなものがあるはずです。
新しいデータでの予測計算と古いデータでの予測計算を行うことができます。
に転送し、テスターで読み込む。