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 2025

 
マキシム・ドミトリエフスキー

無駄なクラスタがない

では、無駄かどうかを判断するにはどうしたらいいのでしょうか?)))

 
mytarmailS:

では、彼がnoobかどうか、どうやって判断するのでしょうか?)))

2次元のカーブでは、従来は上昇か下降の2つしかありませんでした。でも、その組み合わせはたくさんありますよね、オルタネイト。これは、モデルにとって最も重要なことです。

というのは、そんなにノイズは必要ないから、それにオーバーフィットしてしまうんですね。

再帰性は、パターンがたくさんあるとうまく学習できない。それよりも、少ない数のインターリーブパターン、つまりシーケンスを持つことが重要なのです。パターンの数ではない。わかったか?

 
マキシム・ドミトリエフスキー

2次元の曲線には、従来、上昇と下降の2つしかありませんでした。でも、いろいろな組み合わせ、オルタネートがあるんですね。それがモデルにとって一番大切なことです。

というのは、そんなにノイズは必要ないから、それにオーバーフィットしてしまうんですね。

再帰性は、パターンがたくさんあるとうまく学習できない。それよりも、少ない数のインターリーブパターン、つまりシーケンスを持つことが重要なのです。パターンの数ではない。わかったか?

だから、「イベント」クラスタには、価格だけでなく、何でも書ける...。

とにかく1-2-3のようなノイズの中から有益な配列を探し出すアルゴリズムをほぼ作り上げました - "はい"...

各シークエンスはルールの形になり、次にルールのプールに結合し、そして信号の総和を、Forestのように、ただ深く、再帰的に行う))。

ただ、トレーニングの仕方が分からない、RLが全く分からない((

 
マキシム・ドミトリエフスキー

ネットワークに送信するのはクラスタ番号だけで、中身は送信しません。内容にはこだわらない。

私の例を見たことがありますか?)) 内容か数字か?)))

 
マキシム・ドミトリエフスキー

この単純なグリッドを再帰性グリッドで予測してみてください。

パターンが見つかれば

パターンは、1 2 3 4 、そのようなシーケンス...文字列の中にある場合は、 "YES "です。


フォレストはやめとけ

テスト

  Reference
Prediction NO YES
       NO  58  71
       YES 57  64
                                          
               Accuracy : 0.488   
ファイル:
DT2.csv  1021 kb
 

今日、正しいタイトルを読みました。
ニューラルネットワークを利用したデータベース
予測はせず、データベースを検索するだけ。従来のデータベースとの違いは、最も類似したデータを汎化/結合することができる点だけです。

 
Maxim Dmitrievsky:
一貫性とは、数字が次々と出てくること。

シーケンスだと思えば、あとはノイズだ(ノイズとは、何か意味があると思って投げかけたものだ)。

しかし、それは何の意味もない!が、それはパターンを見つけるまでわからない。

 
mytarmailS:

これがまさに一貫性であり、それ以外はすべてノイズであると想像してください(ノイズとは、私たちが投げ込んださまざまな機能で、それらが何かを意味すると考えているものです)。

しかし、それは何の意味もない!が、それはパターンを見つけるまでわからない。

答えは検索すれば出てくるんだから、そんなのでたらめ言うなよ。
 
Maxim Dmitrievsky:
あなたのセットでは、答えは単純な検索で検索され、でたらめを言わないで ください。

1〜20ではなく、1〜5kの範囲であればどうでしょうか?

で、配列は10より大きい?

簡単な検索とクラスターをレンタルする場所を教えてください。)

 
mytarmailS:

1〜20ではなく、1〜5kの範囲であればどうでしょうか?

で、配列は10以上?

簡単な検索とクラスターをレンタルする場所を教えてください ))

シーケンスでは、連続する各要素は、例えば文中の単語など、前の要素に関連していなければならない。そうでなければ、ただの構造のないゴミです。そこで何を探すか。ビンの検索がダサいな。緑、赤の順に取り出してください。20kでもマイクロ秒の検索ですね。