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

[mytarmailS]

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]

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]

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]

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]

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]

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]

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]

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]

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]

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。