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 1848 1...184118421843184418451846184718481849185018511852185318541855...3399 新しいコメント Roman 2020.06.29 11:33 #18471 mytarmailS: 考えるのではなく、読むためのアイデアなのですテキストの分類 - 何がどのように行われ、どのアルゴリズムによって行われるかを理解する。正気度分析:「ポジティブ/ネガティブ」な発話を判断するためのもの。これは5〜10年前から既製のパッケージに実装されており、それを使い始めれば車輪の再発明は必要ありません。 そうですね、読書のためのアイデアというのは納得です。 はい、音声分類のアルゴリズムがあります。 それをどうまとめるかを考えるということでした。 もし、既成のパッケージをご存知でしたら、その名前を教えてください。 mytarmailS 2020.06.29 11:43 #18472 ローマ字 表記: そうですね、読書のためのアイデアというのは納得です。 はい、音声分類のアルゴリズムがあります。 どうまとめるかを考えるという意味です。 パッケージをご存知の方は、その名前を教えてください。 何百個もあるんですよ、何て言えばいいんですか? テキストマイニング 実証分析 Roman 2020.06.29 12:33 #18473 mytarmailS: 何百個もあるんですよ、何て言えばいいんですか?テキストマイニング実証分析 さて、ここでは少なくとも、何から始めたらいいのか、何を探したらいいのか、その名称を紹介します。ありがとうございます。 Aleksey Vyazmikin 2020.06.30 07:11 #18474 Mihail Marchukajtes: しかし、同じように構築するインジケータは、一見正常に見えますが、Expert Advisorに渡すと1本分ずれてしまい、結果は全くダメです。変えられるならありがたい。 また、最後の小節のオープニングでAIが回収されないのはどうしてですか?もしそうなら、そのシフトは論理的なものです。 Aleksey Vyazmikin 2020.06.30 07:24 #18475 elibrarius: ありがとうございます。以前はPrecisionを使い、クラスでは(自分用に)Accuracyと呼んでいました。今は一般的な用語で呼ぶことにします)。 また、一般的にプレシジョンは「待ち」のクラスがある場合、基本的な指標と考えることができます。精度の誤差は、誤判定による直接的な損失です。 そして、リコールは利益の損失、つまり行動せずに待っていたことを意味します。 要はF1を最大化することで、予測ミスを最小限に抑え、利益を逃さない最適な価値を見出すことができるのです。 ブーストによる学習(CatBoost)の場合、通常、Precisionは非常に速く上昇しますが、Recallはゆっくりと上昇し、Recallが上昇する一方でPrecisionは下降していきます。私が言いたいのは、トレーニング中は、例えば80<Precision>60とRecall>50というように2つの指標を別々にコントロールし、その範囲内でトレーニングを止めるようにすると良いということです。F1のように係数が異なると、より難しくなります。開発者がこの可能性を予見していなかったことが残念で、完成したモデルの木のトリミングがまだわかっていません。 また、サンプルを10個のセクションに分割し、セクションごとに10個のモデルを訓練し、各セクションでのモデルの振る舞いを見てモデルツリーをトリミングし、再トレーニング率を平均化し、何らかの方法ですべてのモデルを一つにまとめるというアイデアもあります。これにより、モデルのオーバーフィッティングを一掃し、一貫したトレンド情報を持つデータのみを使用することができます。 Mihail Marchukajtes 2020.06.30 07:49 #18476 Aleksey Vyazmikin: また、最後のバーについて、バーのオープニングでOIが収集されないのはなぜですか?もしそうなら、そのシフトは論理的なものです。 いいえ、毎タック 書かれています Aleksey Vyazmikin 2020.06.30 09:00 #18477 Mihail Marchukajtes: いいえ、毎タック 書かれています。 チャート上に正しく構築されているのであれば、EAでインジケーターのデータをどのように要求しているのかが不明です。ストラテジーテスターのビジュアルモードで、インジケータの構築を確認しましたか? Forester 2020.06.30 10:56 #18478 Aleksey Vyazmikin: また、サンプルを10個のセクションに分割し、各セクションで10個のモデルを訓練し、各セクションでのモデルの挙動を見てモデルツリーを刈り込み、オーバートレーニング率を平均化し、何らかの方法ですべてのモデルを一つにまとめるというアイデアもあります。そのため、モデルのオーバートレーニングは一掃され、安定したトレンド情報を持つデータのみが使用されることになる。 私も同じようなことを考えていたのですが、今は別のことで精一杯なんです。近いうちに実験してみたいと思っています。 また、10分の1のデータ領域で学習してしまうというデメリットもあります。その分、一般性は低くなると思います。 Mihail Marchukajtes 2020.06.30 11:06 #18479 Aleksey Vyazmikin: チャート上で正しく構築されているのであれば、EA内のインジケータにどのようにデータを要求しているのかが不明です。ストラテジーテスターのビジュアルモードで、インジケータの構築を確認しましたか? アイコンに標準装備されている...しかし、それはティック ごとにファイルからデータを読み、インジケータは新しいバーが表示されたときにそれを読み、それが間違った値を取ることが判明した。 mytarmailS 2020.06.30 12:23 #18480 ローマ字 表記: まあ、少なくとも、ここから始めるべき名前と、何を探すべきかを示している。ありがとうございます。 名前ではなく、必要なものへのリンクが用意されているのです...などがあります。 1...184118421843184418451846184718481849185018511852185318541855...3399 新しいコメント 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
考えるのではなく、読むためのアイデアなのです
テキストの分類 - 何がどのように行われ、どのアルゴリズムによって行われるかを理解する。
正気度分析:「ポジティブ/ネガティブ」な発話を判断するためのもの。
これは5〜10年前から既製のパッケージに実装されており、それを使い始めれば車輪の再発明は必要ありません。
そうですね、読書のためのアイデアというのは納得です。
はい、音声分類のアルゴリズムがあります。
それをどうまとめるかを考えるということでした。
もし、既成のパッケージをご存知でしたら、その名前を教えてください。
そうですね、読書のためのアイデアというのは納得です。
はい、音声分類のアルゴリズムがあります。
どうまとめるかを考えるという意味です。
パッケージをご存知の方は、その名前を教えてください。
何百個もあるんですよ、何て言えばいいんですか?
テキストマイニング
実証分析
何百個もあるんですよ、何て言えばいいんですか?
テキストマイニング
実証分析
さて、ここでは少なくとも、何から始めたらいいのか、何を探したらいいのか、その名称を紹介します。ありがとうございます。
しかし、同じように構築するインジケータは、一見正常に見えますが、Expert Advisorに渡すと1本分ずれてしまい、結果は全くダメです。変えられるならありがたい。
また、最後の小節のオープニングでAIが回収されないのはどうしてですか?もしそうなら、そのシフトは論理的なものです。
ありがとうございます。以前はPrecisionを使い、クラスでは(自分用に)Accuracyと呼んでいました。今は一般的な用語で呼ぶことにします)。
また、一般的にプレシジョンは「待ち」のクラスがある場合、基本的な指標と考えることができます。精度の誤差は、誤判定による直接的な損失です。
そして、リコールは利益の損失、つまり行動せずに待っていたことを意味します。
要はF1を最大化することで、予測ミスを最小限に抑え、利益を逃さない最適な価値を見出すことができるのです。
ブーストによる学習(CatBoost)の場合、通常、Precisionは非常に速く上昇しますが、Recallはゆっくりと上昇し、Recallが上昇する一方でPrecisionは下降していきます。私が言いたいのは、トレーニング中は、例えば80<Precision>60とRecall>50というように2つの指標を別々にコントロールし、その範囲内でトレーニングを止めるようにすると良いということです。F1のように係数が異なると、より難しくなります。開発者がこの可能性を予見していなかったことが残念で、完成したモデルの木のトリミングがまだわかっていません。
また、サンプルを10個のセクションに分割し、セクションごとに10個のモデルを訓練し、各セクションでのモデルの振る舞いを見てモデルツリーをトリミングし、再トレーニング率を平均化し、何らかの方法ですべてのモデルを一つにまとめるというアイデアもあります。これにより、モデルのオーバーフィッティングを一掃し、一貫したトレンド情報を持つデータのみを使用することができます。
また、最後のバーについて、バーのオープニングでOIが収集されないのはなぜですか?もしそうなら、そのシフトは論理的なものです。
いいえ、毎タック 書かれています。
チャート上に正しく構築されているのであれば、EAでインジケーターのデータをどのように要求しているのかが不明です。ストラテジーテスターのビジュアルモードで、インジケータの構築を確認しましたか?
また、サンプルを10個のセクションに分割し、各セクションで10個のモデルを訓練し、各セクションでのモデルの挙動を見てモデルツリーを刈り込み、オーバートレーニング率を平均化し、何らかの方法ですべてのモデルを一つにまとめるというアイデアもあります。そのため、モデルのオーバートレーニングは一掃され、安定したトレンド情報を持つデータのみが使用されることになる。
私も同じようなことを考えていたのですが、今は別のことで精一杯なんです。近いうちに実験してみたいと思っています。
また、10分の1のデータ領域で学習してしまうというデメリットもあります。その分、一般性は低くなると思います。
チャート上で正しく構築されているのであれば、EA内のインジケータにどのようにデータを要求しているのかが不明です。ストラテジーテスターのビジュアルモードで、インジケータの構築を確認しましたか?
まあ、少なくとも、ここから始めるべき名前と、何を探すべきかを示している。ありがとうございます。
名前ではなく、必要なものへのリンクが用意されているのです...などがあります。