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 1919 1...191219131914191519161917191819191920192119221923192419251926...3399 新しいコメント Aleksey Vyazmikin 2020.07.26 17:40 #19181 こんな写真 は、このような利益のグラフになります。 mytarmailS 2020.07.26 17:49 #19182 Aleksey Vyazmikin: スクリーンショットの撮り方ですが、このように保存しておいて、白紙から読み込むだけでモデルが表示されるのでしょうか? はい アレクセイ・ヴャジミキンそれは、このような積み重ねをどう解釈するかということです。 クラスターとは、多次元空間の物体を3次元で結合したような もので、100〜500次元のデータを3次元で見て、何とかその構造を推定することができるのです Aleksey Vyazmikin: ところで、強制的に色をクラスに設定する方法ですが、何が何だかよくわかりません? そこには、ターゲットという変数を通して色がすでに設定されており、3つの色があるのがわかります。 Aleksey Vyazmikin 2020.07.26 17:50 #19183 ちなみに、上の島々の写真は予測変換を行った後のもので、変換前のサンプルはこんな感じです。 2つの星雲が... データは基本的に同じですが、視覚的にも結果が異なります。だから、サンプルの学習準備の評価として以外、このツールをどう使えばいいのかわからない...。 mytarmailS 2020.07.26 17:53 #19184 Aleksey Vyazmikin: 例えば、別ウィンドウで開く3Dモデルで、スクリーンショットも作れないようなものですが、このように保存しておいて、白紙から読み込むだけでモデルが表示されるのでしょうか。 新しいデータを認識させることもできます。 Aleksey Vyazmikin 2020.07.26 17:54 #19185 mytarmailS: クラスターとは、多次元空間の物体が3次元に集まったような もので、100〜500次元のデータを3次元で見て、その構造を推定することができます。 ターゲットは、この島の数で決めるべきかもしれませんね。このビジュアライゼーションの定性的な評価は理解できない。 背面が黒で、残りが1,2,3ということですが、これをどのように色に変換すればいいのでしょうか? target <- as.factor(target) # target нужен для того чтобы окрасить точки в цвет целевой scatter3d(x = um.res[,1], y = um.res[,2], z = um.res[,3], groups = target, grid = FALSE, surface = FALSE, ellipsoid = FALSE, bg.col = "black") Aleksey Vyazmikin 2020.07.26 17:54 #19186 mytarmailS: 新しいデータも認識できる データってなんだ?どこから? mytarmailS 2020.07.26 17:58 #19187 Aleksey Vyazmikin: ターゲットは、この島の数で決めるべきかもしれませんね。このビジュアライゼーションの定性的な評価は理解できない。 このクラスタが客観的な現実であり、データの本当の構造であることを理解する必要があります...。 ターゲットは主観的な現実であり、クラスラベルはクラスタ構造とは無関係である。 例を見れば、すべてが理解できる。 裏面は黒、その他は1,2,3というように、色を指定しなければなりませんが、これをどのように色に変換するのでしょうか。 マニュアルのコメント欄をご覧ください。 mytarmailS 2020.07.26 18:01 #19188 Aleksey Vyazmikin: どういうことですか、どんなデータですか?どこから? ))) 通常のフォレストネットと同様に、新しいデータが出現しても、保存したモデルで認識することができる Aleksey Vyazmikin 2020.07.26 18:04 #19189 mytarmailS: このクラスタが客観的な現実であり、データの本当の構造であることを理解する必要があります...。あなたのターゲットは主観的な現実(自己現実)なので、クラスラベルはクラスタの構造とは関係ありません。 そこで、このサンプルを島状に分割して、その中でモデル学習を行うのはどうだろうかと考えたのです。 クラスタの違いは、結果に影響を与える要因の違い、あるいはその重みの違いを示している。 この部門がどうあるべきかということだけ...。 別の角度から見ると、4つのクラスタが見える。 mytarmailS 2020.07.26 18:06 #19190 Aleksey Vyazmikin: だから、このツールは、トレーニングのためのサンプル準備の評価として以外、どう使えばいいのかわからない......。 多次元空間を可視化することで、クラスターがあるのか、点群なのか、などデータ構造を 評価することができます。 1...191219131914191519161917191819191920192119221923192419251926...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
こんな写真
は、このような利益のグラフになります。
スクリーンショットの撮り方ですが、このように保存しておいて、白紙から読み込むだけでモデルが表示されるのでしょうか?
はい
それは、このような積み重ねをどう解釈するかということです。
クラスターとは、多次元空間の物体を3次元で結合したような もので、100〜500次元のデータを3次元で見て、何とかその構造を推定することができるのです
ところで、強制的に色をクラスに設定する方法ですが、何が何だかよくわかりません?
そこには、ターゲットという変数を通して色がすでに設定されており、3つの色があるのがわかります。
ちなみに、上の島々の写真は予測変換を行った後のもので、変換前のサンプルはこんな感じです。
2つの星雲が...
データは基本的に同じですが、視覚的にも結果が異なります。だから、サンプルの学習準備の評価として以外、このツールをどう使えばいいのかわからない...。
例えば、別ウィンドウで開く3Dモデルで、スクリーンショットも作れないようなものですが、このように保存しておいて、白紙から読み込むだけでモデルが表示されるのでしょうか。
新しいデータを認識させることもできます。
クラスターとは、多次元空間の物体が3次元に集まったような もので、100〜500次元のデータを3次元で見て、その構造を推定することができます。
ターゲットは、この島の数で決めるべきかもしれませんね。このビジュアライゼーションの定性的な評価は理解できない。
背面が黒で、残りが1,2,3ということですが、これをどのように色に変換すればいいのでしょうか?
新しいデータも認識できる
データってなんだ?どこから?
ターゲットは、この島の数で決めるべきかもしれませんね。このビジュアライゼーションの定性的な評価は理解できない。
このクラスタが客観的な現実であり、データの本当の構造であることを理解する必要があります...。
ターゲットは主観的な現実であり、クラスラベルはクラスタ構造とは無関係である。
例を見れば、すべてが理解できる。
裏面は黒、その他は1,2,3というように、色を指定しなければなりませんが、これをどのように色に変換するのでしょうか。
マニュアルのコメント欄をご覧ください。
どういうことですか、どんなデータですか?どこから?
)))
通常のフォレストネットと同様に、新しいデータが出現しても、保存したモデルで認識することができる
このクラスタが客観的な現実であり、データの本当の構造であることを理解する必要があります...。
あなたのターゲットは主観的な現実(自己現実)なので、クラスラベルはクラスタの構造とは関係ありません。
そこで、このサンプルを島状に分割して、その中でモデル学習を行うのはどうだろうかと考えたのです。
クラスタの違いは、結果に影響を与える要因の違い、あるいはその重みの違いを示している。
この部門がどうあるべきかということだけ...。
別の角度から見ると、4つのクラスタが見える。
だから、このツールは、トレーニングのためのサンプル準備の評価として以外、どう使えばいいのかわからない......。
多次元空間を可視化することで、クラスターがあるのか、点群なのか、などデータ構造を 評価することができます。