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 1912 1...190519061907190819091910191119121913191419151916191719181919...3399 新しいコメント mytarmailS 2020.07.24 20:47 #19111 ミハイル・マルキュカイツつまり、アルゴリズムは、この2つの近いベクトルに 不当に 高い重みをつけてしまう......。 しかし、なぜそれが不合理なのか。もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視するのは適切と言えるでしょう。 1)あなたは100回 雲を見たが、70%は雨が降っていた。 2)膝が 一度 痒くなり、雨が降ったこと。 なぜ、この2つのパターンが同じ重みを持つべきだと思うのですか? 世界中が違うことを考えているのだから、ニューロニックも同じです :) Renat Akhtyamov 2020.07.24 21:32 #19112 mytarmailS: しかし、なぜそれが正当化されないかというと、もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視することは適切である。1)あなたは100回 雲を見たが、70%は雨が降っていた。2)膝が 一度 痒くなり、雨が降ったこと。なぜ、この2つのパターンが同じ重みを持つべきだと思うのでしょうか?) とか、この統計は何も教えてくれないの? 100回儲けて、XZix回勝つ。 ;) Mihail Marchukajtes 2020.07.25 03:54 #19113 mytarmailS: しかし、なぜそれが正当化されないかというと、もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視することは適切である。1)あなたは100回 雲を見たが、70%は雨が降っていた。2)膝が 一度 痒くなり、雨が降ったこと。なぜ、この2つのパターンが同じ重みを持つべきだと思うのでしょうか。全世界がそう考えているわけではありませんし、ニューロニクスもそうです。) 100回繰り返されるパターンが同じクラスに属していれば、ニューラルネットワークは必要ない。このパターンを見極めて結論を出せばよいのである。しかし、これもまた、学習アルゴリズムと選択されたネットワークトポロジに依存する。 Mihail Marchukajtes 2020.07.25 07:07 #19114 同僚よ、寛大に許してくれ、しかし、私は自分の発言に少し戸惑いを感じている。列よりも少ない行数で構成されるトレーニングセットを用意していますが。ただし、学習自体は11列のサンプルで行われる。とにかく、わざとじゃないんです。自分が何をやっているのかわからなかった :-) mytarmailS 2020.07.25 07:30 #19115 Mihail Marchukajtes: 仲間の皆さん、寛大にもお許しください、私は自分の発言に迷いが生じました。列よりも少ない行数で構成されるトレーニングセットを用意していますが。ただし、学習自体は11列のサンプルで行われる。とにかく、わざとじゃないんです。自分が何をやっているのかわからなかった :-) (お許しください)思慮深い方なら理解できたと思いますが...。 しかし、「なぜ、統計的に有意な値よりもユニークな値の方が良いのか」という私の素朴な疑問に対する答えはまだ出ていない。 また、すべての列をユニークにしたいのであれば、私がその方法を教えましたので、そうしてみてはどうでしょうか。 =============================================== MOでは現実の問題がどのように解決されたのか、どのような方法で解決されたのか、BPの問題もあり、非常に興味深い。 Mihail Marchukajtes 2020.07.25 07:51 #19116 mytarmailS: を許してください) 思慮深く見た者は理解した...しかし、「なぜ、統計的に有意な値よりもユニークな値の方が良いのか」という私の素朴な疑問に対する答えはまだ出ていない。また、すべての列をユニークにしたいのであれば、私がその方法を教えましたので、そうしてみてはどうでしょうか。===============================================MOでは現実の問題がどのように解決されたのか、どのような方法で解決されたのか、BPの問題もあり、非常に興味深いです。 はい、コードをありがとうございました。週明けに見てみようと思います・・・。 統計的に有意なベクトルをNSなしで正面から使えるからです。NSの学習では、同じ領域に集まっているベクトルを学習するのがよいでしょう。将来、同じベクトルが現れるなら問題ありませんが、近い将来に別のクラスのベクトルが現れた場合、ネットワークはこのグループがあるクラスに属していると認識しないため、100%のエラーを起こします。IMHO mytarmailS 2020.07.25 08:10 #19117 Mihail Marchukajtes: 同じベクトルなら問題ないのですが、近傍に別のクラスのベクトルが現れた場合、ネットワークはこのグループは特定のクラスに属していると通知しているので、100%エラーになります。IMHO あ~あ、そうか、言いたいことはわかったよ・・・。 怒ってごめんね。時々、おかしくなっちゃうの。 削除済み 2020.07.25 08:49 #19118 問題は、ニューラルネットワークが、(例えば)ある一定量の通貨を買いたい、売りたいという銀行の意思をどのように予測するのか、ということです。しかし、ニューラルネットワークは、それが必要ではないものの、価格(価格ドライバ)を変更する参加者の入力の正確な時間を示すことはありません - 99%では、価格ドライバとその方向を識別する方法を知っていればあなたの取引は常に実装前にあり、あなたは安定した利益を持つことになります。私の会社にもアルゴリズム取引の部門がありますが、より高速なスキャルピングに重点を置いています。ニューラルネットワークもhftアルゴリズムの慣性をキャッチし、その分析に基づいて当社のロボットがhftを完全にコピーして取引を行います(特定の市場やシンボルに限ります)。基本的な取引は、プライスドライバーは予測できない(する必要がない)ので、昔ながらの手作業で、見るだけ=車が方向転換する前にインジケータを表示する(ニューラルネットワークでは、この車、この車のインジケータがいつ点灯するのか予測できないことはご理解いただけると思います)です。 mytarmailS 2020.07.25 08:58 #19119 NSの3Dトレーニングのために、典型的な データがどのようなものかを見ることにしました )) データは31指標、ターゲットはジグザグ型 pca、t-sne、umapの3つのアルゴリズムで次元を3次元に減らした(最後の2つは最も先進的と考えられる)。 what is it anyway -https://en.wikipedia.org/wiki/Dimensionality_reduction how it can help -https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8 そこで、データ31の指標となるジグザグを、まずPCAで 求めます。 next t-sne ユマップ このように、クラスで分けることができないので、ターゲットがゴミなのか、サインなのか、全部一緒なのか))) 良い分離性を持つサーフェイスは、次のようになります。 mytarmailS 2020.07.25 09:27 #19120 Viktar DayTrader: 質問ですが、ニューラルネットワークは、銀行がある量の通貨を買いたい、売りたいという気持ちをどのように予測するのでしょうか。 大きな買い物は一瞬で行われるわけではなく、時間がかかる。この間、価格はこれらの買い物のパターンを表示する。このパターンは、機械学習アルゴリズムの助けを借りて見つけようとすることができる。 1...190519061907190819091910191119121913191419151916191719181919...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
つまり、アルゴリズムは、この2つの近いベクトルに 不当に 高い重みをつけてしまう......。
しかし、なぜそれが不合理なのか。もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視するのは適切と言えるでしょう。
1)あなたは100回 雲を見たが、70%は雨が降っていた。
2)膝が 一度 痒くなり、雨が降ったこと。
なぜ、この2つのパターンが同じ重みを持つべきだと思うのですか? 世界中が違うことを考えているのだから、ニューロニックも同じです :)
しかし、なぜそれが正当化されないかというと、もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視することは適切である。
1)あなたは100回 雲を見たが、70%は雨が降っていた。
2)膝が 一度 痒くなり、雨が降ったこと。
なぜ、この2つのパターンが同じ重みを持つべきだと思うのでしょうか?)
とか、この統計は何も教えてくれないの?
100回儲けて、XZix回勝つ。
;)
しかし、なぜそれが正当化されないかというと、もし何かが100回など頻繁に繰り返され、統計的に有意な結果をもたらすなら、1回の観察で結果がはっきりしない例よりも、それを重視することは適切である。
1)あなたは100回 雲を見たが、70%は雨が降っていた。
2)膝が 一度 痒くなり、雨が降ったこと。
なぜ、この2つのパターンが同じ重みを持つべきだと思うのでしょうか。全世界がそう考えているわけではありませんし、ニューロニクスもそうです。)
仲間の皆さん、寛大にもお許しください、私は自分の発言に迷いが生じました。列よりも少ない行数で構成されるトレーニングセットを用意していますが。ただし、学習自体は11列のサンプルで行われる。とにかく、わざとじゃないんです。自分が何をやっているのかわからなかった :-)
(お許しください)思慮深い方なら理解できたと思いますが...。
しかし、「なぜ、統計的に有意な値よりもユニークな値の方が良いのか」という私の素朴な疑問に対する答えはまだ出ていない。
また、すべての列をユニークにしたいのであれば、私がその方法を教えましたので、そうしてみてはどうでしょうか。
===============================================
MOでは現実の問題がどのように解決されたのか、どのような方法で解決されたのか、BPの問題もあり、非常に興味深い。
を許してください) 思慮深く見た者は理解した...
しかし、「なぜ、統計的に有意な値よりもユニークな値の方が良いのか」という私の素朴な疑問に対する答えはまだ出ていない。
また、すべての列をユニークにしたいのであれば、私がその方法を教えましたので、そうしてみてはどうでしょうか。
===============================================
MOでは現実の問題がどのように解決されたのか、どのような方法で解決されたのか、BPの問題もあり、非常に興味深いです。
はい、コードをありがとうございました。週明けに見てみようと思います・・・。
統計的に有意なベクトルをNSなしで正面から使えるからです。NSの学習では、同じ領域に集まっているベクトルを学習するのがよいでしょう。将来、同じベクトルが現れるなら問題ありませんが、近い将来に別のクラスのベクトルが現れた場合、ネットワークはこのグループがあるクラスに属していると認識しないため、100%のエラーを起こします。IMHO
同じベクトルなら問題ないのですが、近傍に別のクラスのベクトルが現れた場合、ネットワークはこのグループは特定のクラスに属していると通知しているので、100%エラーになります。IMHO
あ~あ、そうか、言いたいことはわかったよ・・・。
怒ってごめんね。時々、おかしくなっちゃうの。
問題は、ニューラルネットワークが、(例えば)ある一定量の通貨を買いたい、売りたいという銀行の意思をどのように予測するのか、ということです。しかし、ニューラルネットワークは、それが必要ではないものの、価格(価格ドライバ)を変更する参加者の入力の正確な時間を示すことはありません - 99%では、価格ドライバとその方向を識別する方法を知っていればあなたの取引は常に実装前にあり、あなたは安定した利益を持つことになります。私の会社にもアルゴリズム取引の部門がありますが、より高速なスキャルピングに重点を置いています。ニューラルネットワークもhftアルゴリズムの慣性をキャッチし、その分析に基づいて当社のロボットがhftを完全にコピーして取引を行います(特定の市場やシンボルに限ります)。基本的な取引は、プライスドライバーは予測できない(する必要がない)ので、昔ながらの手作業で、見るだけ=車が方向転換する前にインジケータを表示する(ニューラルネットワークでは、この車、この車のインジケータがいつ点灯するのか予測できないことはご理解いただけると思います)です。
NSの3Dトレーニングのために、典型的な データがどのようなものかを見ることにしました ))
データは31指標、ターゲットはジグザグ型
pca、t-sne、umapの3つのアルゴリズムで次元を3次元に減らした(最後の2つは最も先進的と考えられる)。
what is it anyway -https://en.wikipedia.org/wiki/Dimensionality_reduction
how it can help -https://ru.wikipedia.org/wiki/%D0%9F%D1%80%D0%BE%D0%BA%D0%BB%D1%8F%D1%82%D0%B8%D0%B5_%D1%80%D0%B0%D0%B7%D0%BC%D0%B5%D1%80%D0%BD%D0%BE%D1%81%D1%82%D0%B8
そこで、データ31の指標となるジグザグを、まずPCAで 求めます。
next t-sne
ユマップ
このように、クラスで分けることができないので、ターゲットがゴミなのか、サインなのか、全部一緒なのか)))
良い分離性を持つサーフェイスは、次のようになります。
質問ですが、ニューラルネットワークは、銀行がある量の通貨を買いたい、売りたいという気持ちをどのように予測するのでしょうか。
大きな買い物は一瞬で行われるわけではなく、時間がかかる。この間、価格はこれらの買い物のパターンを表示する。このパターンは、機械学習アルゴリズムの助けを借りて見つけようとすることができる。