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

[Mihail Marchukajtes]

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]

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]

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]

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]

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]

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]

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]

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]

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]

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。