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 1881 1...187418751876187718781879188018811882188318841885188618871888...3399 新しいコメント mytarmailS 2020.07.16 11:33 #18801 Evgeny Dyuka: 問題は、データ準備のスキームが65~66%の正解率にとどまり、力尽きた感があり、さらなる工夫が必要である。この壁を打破する方法を探しているのです。 目標は何ですか? Evgeny Dyuka 2020.07.16 11:36 #18802 mytarmailS: 目標は何ですか? 65%の正解率は良い指標のレベルであり、これは現在ニューロが示しているものである。70%以上から、ポジションを開いてみることができます。 mytarmailS 2020.07.16 11:40 #18803 Evgeny Dyuka: 正答率65%は良い指標のレベルであり、現在ニューロが示しているのはこれである。70%以上であれば、ポジションを建ててみることができます。 しかし、その目標は何なのでしょうか? ネットで何を予測しているのでしょうか? Evgeny Dyuka 2020.07.16 11:49 #18804 mytarmailS: しかし、その目標とは何なのでしょうか? 一定期間後に価格が上がるか下がるかを予測しています。 Evgeny Dyuka 2020.07.16 11:49 #18805 ところで、目利きの人ならヒントをくれるかもしれませんね。ここで質問です。 例えば、写真で猫と犬を見分けるというタスクがあります。正しいトレーニング方法とは? 1.猫と犬だけの写真を見せる、つまり二値分類。 2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。 3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。 今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことだ。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。 Evgeny Dyuka 2020.07.16 11:55 #18806 mytarmailS: しかし、その目標とは何なのでしょうか? トレンドや反転などを考慮せず、すべてのローソク足で予測を立てる。それを全部考えて、「上か下か」を答えるのは、ニューロネット次第です。 mytarmailS 2020.07.16 11:57 #18807 Evgeny Dyuka: ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。 例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは? 1.猫と犬だけの写真を見せる、つまり二値分類。 2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。 3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。 今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことです。例えば、バックテストでは、モデルは上向きの値動きを検出するのが得意で、下向きの値動きは無視されます。モデルが67%上方に推測した場合、同じモデルは55%下方に推測するだけである。モデルによって、「上」「下」のパターンの場所が変わることがあります。 この問題は、分類の違いではなく、学習用の例の数が偏っている、あるいは例の性質が偏っていることにある。 畳み込みネットワーク ? Valeriy Yastremskiy 2020.07.16 12:02 #18808 Evgeny Dyuka: ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。 例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは? 1.猫と犬だけの写真を見せる、つまり二値分類。 2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。 3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。 今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことだ。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。 このポイントの名称は覚えていないが、写真からの認識は、目、鼻、口、耳、頬の部分のポイントを特定し、それらの間の距離と位置を特定することである。というくらいにシンプルです。だから、猫を見せるだけでは、それはないんです。まず、猫と猫、犬と犬を見分ける訓練をし、それから初めて見分けることができるようになるのです。 そして、そうです2サイクルだけでなく、2クラス以上ある場合はトレーニングでより多くのことを行います。 Evgeny Dyuka 2020.07.16 12:03 #18809 mytarmailS: ここで問題なのは、分類の選択肢ではなく、学習例の数か特性のどちらかに偏りがあることだ。畳み込みネットワーク ? 畳み掛けるようなことはしない、実写は見せない )) 学習例の偏りが原因である可能性は大いにありますが、活性化関数をいじる必要があるのではないでしょうか。答えは間違った穴に落ちるし、穴はたくさんある。ウィザードリィのためにTensorBoardを勉強しないといけないんだけど、めんどくさくて......。 要するに、知識が足りないんです。 Evgeny Dyuka 2020.07.16 12:06 #18810 Evgeny Dyuka: いや、コンボリューションじゃなくて、実写は見せないんだけどね)。 学習例の偏りが原因である可能性は大いにありますが、活性化関数を いじる必要があるのではないでしょうか。答えは間違った穴に落ちるし、穴はたくさんある。ウィザードリィのためにTensorBoardを勉強しないといけないんだけど、めんどくさくて......。 十分な知識がない。 typo - activation functionではなく、optimization functionです。 1...187418751876187718781879188018811882188318841885188618871888...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
問題は、データ準備のスキームが65~66%の正解率にとどまり、力尽きた感があり、さらなる工夫が必要である。この壁を打破する方法を探しているのです。
目標は何ですか?
目標は何ですか?
正答率65%は良い指標のレベルであり、現在ニューロが示しているのはこれである。70%以上であれば、ポジションを建ててみることができます。
しかし、その目標は何なのでしょうか? ネットで何を予測しているのでしょうか?
しかし、その目標とは何なのでしょうか?
例えば、写真で猫と犬を見分けるというタスクがあります。正しいトレーニング方法とは?
1.猫と犬だけの写真を見せる、つまり二値分類。
2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。
3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。
今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことだ。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。
しかし、その目標とは何なのでしょうか?
ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。
例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは?
1.猫と犬だけの写真を見せる、つまり二値分類。
2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。
3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。
今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことです。例えば、バックテストでは、モデルは上向きの値動きを検出するのが得意で、下向きの値動きは無視されます。モデルが67%上方に推測した場合、同じモデルは55%下方に推測するだけである。モデルによって、「上」「下」のパターンの場所が変わることがあります。
この問題は、分類の違いではなく、学習用の例の数が偏っている、あるいは例の性質が偏っていることにある。
畳み込みネットワーク ?
ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。
例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは?
1.猫と犬だけの写真を見せる、つまり二値分類。
2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。
3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。
今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことだ。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。
このポイントの名称は覚えていないが、写真からの認識は、目、鼻、口、耳、頬の部分のポイントを特定し、それらの間の距離と位置を特定することである。というくらいにシンプルです。だから、猫を見せるだけでは、それはないんです。まず、猫と猫、犬と犬を見分ける訓練をし、それから初めて見分けることができるようになるのです。
そして、そうです2サイクルだけでなく、2クラス以上ある場合はトレーニングでより多くのことを行います。
ここで問題なのは、分類の選択肢ではなく、学習例の数か特性のどちらかに偏りがあることだ。
畳み込みネットワーク ?
学習例の偏りが原因である可能性は大いにありますが、活性化関数をいじる必要があるのではないでしょうか。答えは間違った穴に落ちるし、穴はたくさんある。ウィザードリィのためにTensorBoardを勉強しないといけないんだけど、めんどくさくて......。
要するに、知識が足りないんです。
いや、コンボリューションじゃなくて、実写は見せないんだけどね)。
学習例の偏りが原因である可能性は大いにありますが、活性化関数を いじる必要があるのではないでしょうか。答えは間違った穴に落ちるし、穴はたくさんある。ウィザードリィのためにTensorBoardを勉強しないといけないんだけど、めんどくさくて......。
十分な知識がない。