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 1897 1...189018911892189318941895189618971898189919001901190219031904...3399 新しいコメント Mihail Marchukajtes 2020.07.21 08:31 #18961 信じられないと思いますが、ディープラーニングの物理的な根拠が私の理論にとても合っているんです...。ハイマター、なんというか...。そろそろ音出しと書き込みをしないと。老人が増えているからこそ、こうした神話の打破が急務なのだ. Evgeny Dyuka 2020.07.21 09:33 #18962 ロールシャッハ: "教師による深層学習アルゴリズムは、1カテゴリあたり約5000のマークされた例で許容できる品質を達成する"m1は1週間に1回、m5は1週間に1回、1ヶ月に1回、物語を再トレーニングしています。他の方法については、比較するための数字があるのでしょうか? チップあたり5000枚が一般的な基準で、5000枚から10000枚の間が良い。 Evgeny Dyuka 2020.07.21 09:37 #18963 ロールシャッハ 再教育をしながらでは意味がないと思うのですが...。根本的に何も変わらない、再トレーニングなしで3ヶ月目も走り続けている、品質に変化はない。すべては、ネットワークが学習された履歴の長さに依存します。3〜5年課金すれば、ネットワークはこの期間ずっと通用する安定したルールを形成し、それを記憶するようになります。 Maxim Dmitrievsky 2020.07.21 10:35 #18964 Valeriy Yastremskiy: 1時、2時、9時というのは単なるターミナルタイムなのでしょうか?ここでミスをするのは難しいようです。フォーラムで各ポイントを説明するのは仕方ないので、記事を書くことができます私は、Pythonのコード、クラスタリング、ツリーパーサーなど、興味深いものを 私は、取引への参入条件を考え出した、あなたは既製のボットを生成するために追加することができます、それはクールです Valeriy Yastremskiy 2020.07.21 11:29 #18965 マキシム・ドミトリエフスキー: このあたりは、なかなか間違いがないようです。フォーラムで一点一点説明しても仕方ないので、記事を書きます。で、Pythonのコード、クラスタリング、ツリーパーサなど、興味深いものがたくさんあります。 トレードの入力条件を理解し、既製のボットを追加することができ、それはクールです。 なるほど、記事も良さそうです))) Maxim Dmitrievsky 2020.07.21 11:32 #18966 Valeriy Yastremskiy: なるほど、記事はいいかもしれませんね))) しかし、新しいデータでは、すべてのMOがそうであるように、ツカツカのように注がれるのです。トレーニング期間中はきれいです。 粗いクラスタを導入して再学習を回避したかったのですが、何かうまくいきませんでした)) Valeriy Yastremskiy 2020.07.21 11:37 #18967 マキシム・ドミトリエフスキー: しかし、新しいデータでは、すべてのMOがそうであるように、ツカツカのように注がれるのです。学習期間中は、美しい。粗くしたクラスタを導入して再トレーニングを回避したかったのですが、何かうまくいきませんでした)) 私は1つをテストするために、実際の行の対応の制御を必要とする(と言うだけ)しかし、どのようにそれを行うには、私は、少なくとも遅延が許容されるであろうことを、今のところ理解していない、または理解する。 Maxim Dmitrievsky 2020.07.21 11:43 #18968 Valeriy Yastremskiy: 実系列とテスト系列との対応関係を制御する必要がある(というだけ)。しかし、どのようにすれば、ラグが許容できる、あるいは少なくとも理解できるようになるのか、まだ理解していない。すべてはアイデアの中にある - 季節のクラスター化したパターン、それは繰り返されると思われる(そして実際、ときどき繰り返される)が、そのアイデアはすでにある。でも...コートを間違えた。あるいは、ツリーが大きくオーバートレーニングされているため、ニューロネットをトレーニングして解析する必要があります。 しかし、それはすべてデタラメで、ツリーに何も表示されないということは、規則性がないということなのです。ディープラーニングの意味がない。 Rorschach 2020.07.21 11:48 #18969 Evgeny Dyuka: フィーチャーあたり5000が一般的な基準で、5000から10000の間が良いでしょう。 全文:教師 付きの 深層学習 アルゴリズムは、1カテゴリあたり 5000件程度のラベル付き 例で 許容できる品質を達成 し、 少なくとも1000万件のラベル付き 例を含むデータセットで訓練すれば 、人間と同等かそれ以上の 品質を達成できる。 データとパワーがすべてです。 Evgeny Dyuka: 途中で追加のトレーニングをする意味はないと思うのですが...。根本的に何も変わらない、再教育を受けずに3ヶ月目まで働いている、品質に変化はない。ネットが鍛えられた履歴の長さにもよりますが。3~5年課金すれば、ネットワークは今までずっと働いてきた安定したルールを形成し、それを記憶するようになるのです。 問題へのアプローチによる。システムの寿命が有限であると考えるなら、定期的に最適化を行う必要があり、TFが小さければ小さいほど、その頻度が高くなります。 問題の原因として考えられる ローカルミニマムを除外 するために、勾配 ノルムを 時間に対して プロットすることは理にかなって います。勾配ノルムがほぼゼロにならない場合、問題は ローカルミニマムでは ありません こんなことしたことある? Evgeny Dyuka 2020.07.21 12:31 #18970 ロールシャッハ: やってないんですか? なんだか、厄介なことになっていますね。私は、ネットワークにさまざまな機能を与え、学習の兆しを見せ始めたらそれをキャッチするだけです。そして、すぐに実際のマーケットでテストします。ネットは「上・下」の質問に答えるので、答えはどのロウソクにもありますが、信頼度はまちまちです。全てはシンプルです))オープンポジションも なく、利益も損失もありません。 1...189018911892189318941895189618971898189919001901190219031904...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
"教師による深層学習アルゴリズムは、1カテゴリあたり約5000のマークされた例で許容できる品質を達成する"
m1は1週間に1回、m5は1週間に1回、1ヶ月に1回、物語を再トレーニングしています。
他の方法については、比較するための数字があるのでしょうか?
1時、2時、9時というのは単なるターミナルタイムなのでしょうか?
ここでミスをするのは難しいようです。
フォーラムで各ポイントを説明するのは仕方ないので、記事を書くことができます
私は、Pythonのコード、クラスタリング、ツリーパーサーなど、興味深いものを
私は、取引への参入条件を考え出した、あなたは既製のボットを生成するために追加することができます、それはクールですこのあたりは、なかなか間違いがないようです。
フォーラムで一点一点説明しても仕方ないので、記事を書きます。
で、Pythonのコード、クラスタリング、ツリーパーサなど、興味深いものがたくさんあります。
トレードの入力条件を理解し、既製のボットを追加することができ、それはクールです。なるほど、記事も良さそうです)))
なるほど、記事はいいかもしれませんね)))
しかし、新しいデータでは、すべてのMOがそうであるように、ツカツカのように注がれるのです。トレーニング期間中はきれいです。
粗いクラスタを導入して再学習を回避したかったのですが、何かうまくいきませんでした))
しかし、新しいデータでは、すべてのMOがそうであるように、ツカツカのように注がれるのです。学習期間中は、美しい。
粗くしたクラスタを導入して再トレーニングを回避したかったのですが、何かうまくいきませんでした))
私は1つをテストするために、実際の行の対応の制御を必要とする(と言うだけ)しかし、どのようにそれを行うには、私は、少なくとも遅延が許容されるであろうことを、今のところ理解していない、または理解する。
実系列とテスト系列との対応関係を制御する必要がある(というだけ)。しかし、どのようにすれば、ラグが許容できる、あるいは少なくとも理解できるようになるのか、まだ理解していない。
すべてはアイデアの中にある - 季節のクラスター化したパターン、それは繰り返されると思われる(そして実際、ときどき繰り返される)が、そのアイデアはすでにある。
でも...コートを間違えた。あるいは、ツリーが大きくオーバートレーニングされているため、ニューロネットをトレーニングして解析する必要があります。
しかし、それはすべてデタラメで、ツリーに何も表示されないということは、規則性がないということなのです。ディープラーニングの意味がない。フィーチャーあたり5000が一般的な基準で、5000から10000の間が良いでしょう。
全文:教師 付きの 深層学習 アルゴリズムは、1カテゴリあたり 5000件程度のラベル付き 例で 許容できる品質を達成 し、 少なくとも1000万件のラベル付き 例を含むデータセットで訓練すれば 、人間と同等かそれ以上の 品質を達成できる。
データとパワーがすべてです。
途中で追加のトレーニングをする意味はないと思うのですが...。根本的に何も変わらない、再教育を受けずに3ヶ月目まで働いている、品質に変化はない。ネットが鍛えられた履歴の長さにもよりますが。3~5年課金すれば、ネットワークは今までずっと働いてきた安定したルールを形成し、それを記憶するようになるのです。
問題へのアプローチによる。システムの寿命が有限であると考えるなら、定期的に最適化を行う必要があり、TFが小さければ小さいほど、その頻度が高くなります。
問題の原因として考えられる ローカルミニマムを除外 するために、勾配 ノルムを 時間に対して プロットすることは理にかなって います。勾配ノルムがほぼゼロにならない場合、問題は ローカルミニマムでは ありません
こんなことしたことある?
やってないんですか?
なんだか、厄介なことになっていますね。私は、ネットワークにさまざまな機能を与え、学習の兆しを見せ始めたらそれをキャッチするだけです。そして、すぐに実際のマーケットでテストします。ネットは「上・下」の質問に答えるので、答えはどのロウソクにもありますが、信頼度はまちまちです。全てはシンプルです))オープンポジションも なく、利益も損失もありません。