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 1965 1...195819591960196119621963196419651966196719681969197019711972...3399 新しいコメント Valeriy Yastremskiy 2020.08.13 09:27 #19641 Maxim Dmitrievsky: ただ走りながらトレードし、学びながら進む。 取引ロジックはどのようになっていますか? 1.5ヶ月のウィンドウでスライド式に学習しているのでしょうか?どのくらいの頻度で学習するのか、あるいは何に依存するのか?どのようなタイムフレームで? Rorschach 2020.08.13 09:56 #19642 ロールシャッハ: このデータでテストしてみると、間違いなくパターンがあり、何を目指すべきかが 明確になりますね。psで名前から.txtを削除します。ネットワーク:正解率56.58%、期待値2.63 森:正解率55.89%、期待値2.36 森林の累積増分。正答率55.89%、期待値2.36、同一結果 5桁20位。スプレッドは考慮されていません。平均すると同じ結果ですが、グリッドは2分、フォレストは1秒弱のカウントです。 まだジグザグを試していませんが、黒魔術のセッションが必要なようです。 Forester 2020.08.13 10:21 #19643 ロールシャッハ: ネットワーク:正解率56.58%、期待値2.63森:正解率55.89%、期待値2.365桁20位。スプレッドは考慮されていません。平均すると同じ結果ですが、グリッドは2分、フォレストは1秒弱のカウントです。 黒魔術のセッションのようですね、ジグザグはまだ試していませんが。 何のために広がらずに時間をかけて学ぶのか?きれいなチャートのためだけ?何か本当のことをやってください。 Rorschach 2020.08.13 10:25 #19644 elibrarius: 何のために見開きで時間をかけて学習するのか?きれいなグラフのためだけ?何か本当のことをやってください。 5pipsを引いて、スプレッドで取得します。スプレッドがなければ、グリッドが何かを見つけたのだから、そのアイデアを捨てるのではなく、さらに発展させる必要があることがわかる。 Aleksey Vyazmikin 2020.08.13 10:38 #19645 elibrarius: 無理でしょう。そのため、トレーニングのためにランダムな列を取るので、ランダムなのです。そして、平均化することで良い結果が得られる。 列分数=1としてみてはいかがでしょうか。つまり、全列の50%がランダムに選ばれるのではなく、すべての列がツリー構築に関与 することになる。すべての木が同じに なるので、森の中の1本の木も設定します。1本の木で構成される森林を6レベル、もう1本を7レベルの深さまで学習させる。 2本以上の木が必要な場合は、いくつかの列を独立にセットから削除し、残りのすべての列で追加の森を訓練します。 追記:トレーニングに関わる行の数も=1、つまりトレーニングが同じになるように全て置く必要があります。つまり、ランダムフォレストからランダムなものはすべて取り除かれるわけです。 ランダム性がなく、決まった分割ルールがあれば、おそらくそうなる。試してみませんか?足場の組み方がわからない :( mytarmailS 2020.08.13 11:12 #19646 Maxim Dmitrievsky: 15タイムフレーム、すべてのバーでシグナルを表示します。Revordsもですが、条件によって変えることができます。このEAは初期学習を行わず、白紙の状態からスタートしてすぐにトレードを行います。つまり、原理的に再教育されない可能性があります。取引ごとに再教育され、過去のエントリーの記憶を保持します。リカレントリンクを追加することができます。すべてはマニュアルに書いてあるので、あとは理解するだけです。近々、テンソルフローでアナログを開発したいと思います。 また、このメモリはどのように実装されているのでしょうか。 わかりやすく説明してください。 Forester 2020.08.13 11:24 #19647 Aleksey Vyazmikin: ランダム性を排除した固定スプリットルールなら、おそらく そうなる。試してみませんか?森の作り方がわからない :( 確認しました。少なくともアルグレブの足場ではそうなっています。行と列だけがランダム化され、その係数を =1 とすると、すべての木が同じになる。つまり、1つの木があれば、そのコピーの計算で時間を浪費することはない。他のパッケージでは別のものがランダム化されるかもしれない......。 試してみたいとは思わない。奥行きが6、7ある木で十分なんです。深さ6.5の木(あなたのアイデアの例え)は、あまり面白くないですね。もちろん、怠け者も。 Maxim Dmitrievsky 2020.08.13 11:33 #19648 mytarmailS: このメモリはどのように実装されているのでしょうか? 分かりやすく説明してください。 まだ理解できていません。 Aleksey Vyazmikin 2020.08.13 11:48 #19649 elibrarius: 確認しました。少なくともアルジブの森ではそうです。行と列だけがランダム化され、その係数を =1 とすると、すべての木が同じになる。つまり、1つの木があれば、そのコピーの計算で時間を浪費することはない。他のパッケージでは別のものがランダム化されるかもしれない......。 試してみたいとは思わない。奥行きが6、7ある木で十分なんです。深さ6.5の木(あなたのアイデアの例え)は、あまり面白くないですね。もちろん、怠け心も。 なるほど。ただ、ペンタックスプリットは、それを研究するためのミニモデルを構築するための部分空間と捉えています。もちろん、分割は賢く行うべきで、サブサンプルではなく、全サンプルの統計で分割するのがよいでしょう。このプロセスを開始する前に、おそらく3~5回の分割があり、それ以上はないはずです。しかし、このアイデアは、特定の分割が他の選択肢よりも統計的に有利であるというランダムな影響を減らすことです。 Maxim Dmitrievsky 2020.08.13 12:37 #19650 mytarmailS: また、このメモリはどのように実装されているのでしょうか。 わかりやすく説明してください。 pythonに行き、例をあげますので、それを使ってください。 RLはエントリーレベルの問題ではないので、このフォーラムで議論する意味はないと思うのですが。 1...195819591960196119621963196419651966196719681969197019711972...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
ただ走りながらトレードし、学びながら進む。
取引ロジックはどのようになっていますか? 1.5ヶ月のウィンドウでスライド式に学習しているのでしょうか?どのくらいの頻度で学習するのか、あるいは何に依存するのか?どのようなタイムフレームで?
このデータでテストしてみると、間違いなくパターンがあり、何を目指すべきかが 明確になりますね。
psで名前から.txtを削除します。
ネットワーク:正解率56.58%、期待値2.63
森:正解率55.89%、期待値2.36
森林の累積増分。正答率55.89%、期待値2.36、同一結果
5桁20位。スプレッドは考慮されていません。平均すると同じ結果ですが、グリッドは2分、フォレストは1秒弱のカウントです。
まだジグザグを試していませんが、黒魔術のセッションが必要なようです。
ネットワーク:正解率56.58%、期待値2.63
森:正解率55.89%、期待値2.36
5桁20位。スプレッドは考慮されていません。平均すると同じ結果ですが、グリッドは2分、フォレストは1秒弱のカウントです。
黒魔術のセッションのようですね、ジグザグはまだ試していませんが。
何のために見開きで時間をかけて学習するのか?きれいなグラフのためだけ?何か本当のことをやってください。
無理でしょう。そのため、トレーニングのためにランダムな列を取るので、ランダムなのです。そして、平均化することで良い結果が得られる。
追記:トレーニングに関わる行の数も=1、つまりトレーニングが同じになるように全て置く必要があります。つまり、ランダムフォレストからランダムなものはすべて取り除かれるわけです。列分数=1としてみてはいかがでしょうか。つまり、全列の50%がランダムに選ばれるのではなく、すべての列がツリー構築に関与 することになる。すべての木が同じに なるので、森の中の1本の木も設定します。1本の木で構成される森林を6レベル、もう1本を7レベルの深さまで学習させる。
2本以上の木が必要な場合は、いくつかの列を独立にセットから削除し、残りのすべての列で追加の森を訓練します。
ランダム性がなく、決まった分割ルールがあれば、おそらくそうなる。試してみませんか?足場の組み方がわからない :(
15タイムフレーム、すべてのバーでシグナルを表示します。Revordsもですが、条件によって変えることができます。このEAは初期学習を行わず、白紙の状態からスタートしてすぐにトレードを行います。つまり、原理的に再教育されない可能性があります。取引ごとに再教育され、過去のエントリーの記憶を保持します。リカレントリンクを追加することができます。すべてはマニュアルに書いてあるので、あとは理解するだけです。近々、テンソルフローでアナログを開発したいと思います。
また、このメモリはどのように実装されているのでしょうか。 わかりやすく説明してください。
ランダム性を排除した固定スプリットルールなら、おそらく そうなる。試してみませんか?森の作り方がわからない :(
確認しました。少なくともアルグレブの足場ではそうなっています。行と列だけがランダム化され、その係数を =1 とすると、すべての木が同じになる。つまり、1つの木があれば、そのコピーの計算で時間を浪費することはない。他のパッケージでは別のものがランダム化されるかもしれない......。
試してみたいとは思わない。奥行きが6、7ある木で十分なんです。深さ6.5の木(あなたのアイデアの例え)は、あまり面白くないですね。もちろん、怠け者も。
このメモリはどのように実装されているのでしょうか? 分かりやすく説明してください。
まだ理解できていません。
確認しました。少なくともアルジブの森ではそうです。行と列だけがランダム化され、その係数を =1 とすると、すべての木が同じになる。つまり、1つの木があれば、そのコピーの計算で時間を浪費することはない。他のパッケージでは別のものがランダム化されるかもしれない......。
試してみたいとは思わない。奥行きが6、7ある木で十分なんです。深さ6.5の木(あなたのアイデアの例え)は、あまり面白くないですね。もちろん、怠け心も。
なるほど。ただ、ペンタックスプリットは、それを研究するためのミニモデルを構築するための部分空間と捉えています。もちろん、分割は賢く行うべきで、サブサンプルではなく、全サンプルの統計で分割するのがよいでしょう。このプロセスを開始する前に、おそらく3~5回の分割があり、それ以上はないはずです。しかし、このアイデアは、特定の分割が他の選択肢よりも統計的に有利であるというランダムな影響を減らすことです。
また、このメモリはどのように実装されているのでしょうか。 わかりやすく説明してください。
pythonに行き、例をあげますので、それを使ってください。
RLはエントリーレベルの問題ではないので、このフォーラムで議論する意味はないと思うのですが。