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 1910

[Mihail Marchukajtes]

ロールシャッハ：

ありがとうございます、面白いですね、確かに前の信号を送り込むのは思いつきませんでした。ネットワークが冗長リンクであるのかどうか、まったく疑問が残ります。

ネットの面白いところは、気配で淘汰されることがないことです。そうでなければ、古典的なシステムを作る方が簡単でしょう。

私はもう少し実験をする必要があり、手首にシステムの非常に多くの例を取り、教えるときに一度も繰り返しがないようにし、1つのエポックに収まるようにします。

残念ながら、魔法使いはあなたを助けてはくれません。どこに行くんだ？この場所は何と呼ばれているのですか？

[Mihail Marchukajtes]

マキシム・ドミトリエフスキー：

アダバストから79が出ました

で、マキシム、すねてるのか？クオリティモデルで暖まったのに、右往左往してるのか？それこそ、白い玉座に座れば、私たちはみんな大切な存在なのです。私は今、チームを結成するつもりで、ここでは誰も呼ばないと心に決めています。間違って攻撃された...。:-)

[Maxim Dmitrievsky]

Mihail Marchukajtes:
で、マキシム、拗ねてるのか？クオリティの高いモデルで温めてもらったのに、右往左往して儲けてるのか？それこそ、白い玉座に座っているときは、みんな大切な存在なんです。今、チームを作ろうと思っているのですが、ここでは誰も呼ばないようにしようと心に決めています。間違って攻撃された...。:-)

効いてない、デタラメが増えただけだ。

が、楽しかったです。

[Mihail Marchukajtes]

マキシム・ドミトリエフスキー：

効いてない、デタラメが増えただけだ。

が、楽しかったです。

なぜかわかりますか？では、ビデオを撮ってきて、そこですべてを説明しましょう。前置きが長くなったが、好きなPLOをトレードして結果を投稿してほしい。いい？

[Rorschach]

Mihail Marchukajtes:
残念ながら、マシュカはお役に立てないようです。どこに来たんですか？この場所は何と呼ばれているのですか？

ラニングインレンチ

パターンがあれば、どんな方法でも簡単に出せるという意見に出会ったことは一度や二度ではありません。

[Mihail Marchukajtes]

ロールシャッハ：

ランインマッシュアップ

パターンがあれば、どんな方法でも簡単に出せるという意見に出くわしたことは一度や二度ではありません。

そうなんですが、マッシュカスに入ってないんですよね...。そして、反論しないでください...。擬似的な規則性はありますが、それは偶然のレベルであり、市場では安定性が重視されます。

[Mihail Marchukajtes]

約束通り。所々でポーズが入り、音がひどい。ヘッドホンをつけての視聴をお勧めします。マキシムへの直筆のアドレス付き。批判を建設的に受け止めれば、この映像の中に答えが見つかるかもしれませんね。

恥ずかしがらずに見て ください :-)

[mytarmailS]

Mihail Marchukajtes：

約束通り。所々でポーズが入り、音がひどい。ヘッドホンをつけての視聴をお勧めします。マキシムへの直筆のアドレス付き。批判を建設的に受け止めれば、この映像の中に答えが見つかるかもしれませんね。

恥ずかしがらずに見て ください :-)

))))

好きです（笑)

[Maxim Dmitrievsky]

Mihail Marchukajtes：

約束通り。所々でポーズが入り、音がひどい。ヘッドホンをつけての視聴をお勧めします。マキシムへの直筆のアドレス付き。批判を建設的に受け止めれば、この映像の中に答えが見つかるかもしれませんね。

迷わず見て ください :-)

を作ってるんだろうけど)100列ではなく、24列。自分でファイルを要求したくせに。そこにエラーはない（と説明した）。300と多くの行は、私はあなたに年を与えたので、あなたの 'ジェネレータ'は、カウントにウンチしなかった ))))でも、続けてください。時間がなくて見終えていませんが、期待できるスタートです。詳しいレビューは後ほど。ビデオ形式で回答する必要がありそうだ

[mytarmailS]

Maxim Dmitrievsky:
But keep going

ああ、読むより見る方がずっと面白いな...。

ちなみに、Vtreeのリソースを 使う前（または後）でも、同じPCAでほとんど品質を落とさずに特徴数を圧縮することが可能です。

1000の変数から10の変数を作ることができます。

#  data set Х
X <- matrix(rnorm(10000) , ncol = 1000,nrow = 1000)
colnames(X) <- paste0("V" , 1:ncol(X))
head(X)

library(caret)
pcm <- preProcess( X[1:500,] , method = "pca" ,thresh = 1)
PCs <- predict(pcm , X)
head(PCs)

thresh = 1

は、100％保存したい場合

thresh = 0,7 

70％など。

=================================================

ビデオでは、ユニークな値だけをサンプリングしたいが、その方法がわからないとおっしゃっていました。

は、サンプルの値をクラスタリングし、繰り返しのクラスタを削除するだけです。

行、列、またはすべての値でクラスタリングすることができます。