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 2210 1...220322042205220622072208220922102211221222132214221522162217...3399 新しいコメント fxsaber 2020.12.02 15:24 #22091 Maxim Dmitrievsky: これはオープンエンドの会話です。すべてのケースはユニークです。シンプルに言えば、「逆から教える」「比較する」ということです 畝を回すのは、おおよそ水を上に向かって流すようなものです。やってみればいいのですが、直感的にまだ理解が深まっていないのです。 Maxim Dmitrievsky 2020.12.02 15:25 #22092 fxsaber: 畝を回すのは、おおよそ水を上に向かって流すようなものです。やってみればいいのですが、直感的にまだ理解が深まっていないのです。 列ではなく、トレーニーとオーズの入れ替わりで fxsaber 2020.12.02 15:28 #22093 マキシム・ドミトリエフスキー: 行列ではなく、列車とオーズ 右の2年はどんな肥料でも芽が出るので、無理でしょう。 大体、セイシェルで氷河期に備えてダウンジャケットが必要なパターンを探すようなものです。 Maxim Dmitrievsky 2020.12.02 15:31 #22094 fxsaber: 右の2歳児はどんな肥料でも芽を出すので、これは無理です。大体、セイシェルで氷河期に備えてダウンジャケットが必要というパターンを見つけるようなものです。 そうすると、一般的なパターンではなく、局所的なものが見つかってしまうんですね。その後、設定を変更し、両方向に動作するようにピックアップします fxsaber 2020.12.02 15:36 #22095 Maxim Dmitrievsky: つまり、一般的なパターンではなく、局所的なパターンなのですね。そうすると、双方向で動作するように設定を変更する必要がありますね。 ありがとうございます、考えてみます。どうやら、一般的な状況ではないらしい。 Maxim Dmitrievsky 2020.12.02 15:38 #22096 fxsaber: ありがとうございます、考えてみます。一般的な状況ではないらしい。 一般の人が何も知らなくてどうするんだ。ただ、TCの性質によって、見せ方を変えるだけです。MOの場合、すべてのサンプルを混ぜることが可能なので、このような問題はあまり起こりません。他のサンプルも混ぜれば、特定のスライスで過学習になることはないでしょう。従来は、1年のうち1ヶ月を利用して、トレーニングする。あとはOOSです。 Valeriy Yastremskiy 2020.12.02 15:48 #22097 fxsaber: 問題は、このセットを特定することである。次に、当然ながら、儲かる設定の部分集合のパワーを求めます。そして、それが元の集合に対して大きければ、それを見つけたことになる。しかし、初期セットを決めるには、ある種の遺伝学が必要です。対象ではなく、全般的に。 古典的な論理的アプローチ - 重要性と影響力(のようなクラス)によって設定を分解し、論理によってあたかも意味があり強い、意味があり弱い、意味がなく強い、意味がなく弱いというように組み合わせます。これは、設定の2つのクラスは、より多くの場合、幾何学的 または数値と値の指数の次元と悪い)呪いです...スマートな選択で治す。 mytarmailS 2020.12.03 09:09 #22098 マキシム・ドミトリエフスキー: 分類や回帰のために設計されたほとんどすべてのパッケージから、「最小限の」ニューロンカーを学習させる方法を発見しました。 このパッケージでは、ニューラルネットワークの重みにアクセスし、変更することができるのが主な特徴です。 レシピは以下の通りです。 1) ニューラルネットワークを訓練する、何があっても、主なものは、重みのあるモデルを得ることである 2) 最適化手法の選択(遺伝学、ムラビ、群れ、アニーリングシミュレーションなど) 3) 適合性関数を書く 4) ニューロンの重みを取り出し、最適化のためのパラメータとして表現する オール!!!))) neuronkaを鍛えて利益を出すとか、メガインジケータのようなものを作らせるとか、いろいろできます。 Александр Алексеевич 2020.12.03 09:53 #22099 mytarmailS: 分類や回帰のために設計されたほとんどすべてのパッケージから、「最小」ニューロンを訓練する方法がわかりました。主なものは、このパッケージでニューラル・スケールにアクセスし、修正できることです。レシピは以下の通りです。1) ニューラルネットワークを訓練する、何があっても、主なものは、重みのあるモデルを得ることである2) 最適化手法の選択(遺伝学、ムラビ、群れ、アニーリングシミュレーションなど)3) 適性関数を書く4) ニューロンの重みを取り出し、最適化のためのパラメータとして表現するオール!!!)))neuronkaをトレーニングして、利益を出すようにしたり、メガインディケータみたいなものを作らせたりすることができます。 を訓練することができ、あなたはそれを失うことがないように教える必要があります))) しかし、一つの問題がある:グリッドは預金を節約するためにポジションを開く 停止します。 私はそれを試してみました。 ストップの有無で異なる方法で、結果は同じです、グリッドは結局利益を上げるための最善の方法は、預金を維持することであると決定します。 Александр Алексеевич 2020.12.03 10:00 #22100 マキシム・ドミトリエフスキー: 記事中の神経細胞が実物の上で発火している。 で、どうなんだ? 1...220322042205220622072208220922102211221222132214221522162217...3399 新しいコメント 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
これはオープンエンドの会話です。すべてのケースはユニークです。シンプルに言えば、「逆から教える」「比較する」ということです
畝を回すのは、おおよそ水を上に向かって流すようなものです。やってみればいいのですが、直感的にまだ理解が深まっていないのです。
畝を回すのは、おおよそ水を上に向かって流すようなものです。やってみればいいのですが、直感的にまだ理解が深まっていないのです。
行列ではなく、列車とオーズ
右の2年はどんな肥料でも芽が出るので、無理でしょう。
大体、セイシェルで氷河期に備えてダウンジャケットが必要なパターンを探すようなものです。
右の2歳児はどんな肥料でも芽を出すので、これは無理です。
大体、セイシェルで氷河期に備えてダウンジャケットが必要というパターンを見つけるようなものです。
つまり、一般的なパターンではなく、局所的なパターンなのですね。そうすると、双方向で動作するように設定を変更する必要がありますね。
ありがとうございます、考えてみます。どうやら、一般的な状況ではないらしい。
ありがとうございます、考えてみます。一般的な状況ではないらしい。
問題は、このセットを特定することである。次に、当然ながら、儲かる設定の部分集合のパワーを求めます。そして、それが元の集合に対して大きければ、それを見つけたことになる。
しかし、初期セットを決めるには、ある種の遺伝学が必要です。対象ではなく、全般的に。
古典的な論理的アプローチ - 重要性と影響力(のようなクラス)によって設定を分解し、論理によってあたかも意味があり強い、意味があり弱い、意味がなく強い、意味がなく弱いというように組み合わせます。これは、設定の2つのクラスは、より多くの場合、幾何学的 または数値と値の指数の次元と悪い)呪いです...スマートな選択で治す。
分類や回帰のために設計されたほとんどすべてのパッケージから、「最小限の」ニューロンカーを学習させる方法を発見しました。
このパッケージでは、ニューラルネットワークの重みにアクセスし、変更することができるのが主な特徴です。
レシピは以下の通りです。
1) ニューラルネットワークを訓練する、何があっても、主なものは、重みのあるモデルを得ることである
2) 最適化手法の選択(遺伝学、ムラビ、群れ、アニーリングシミュレーションなど)
3) 適合性関数を書く
4) ニューロンの重みを取り出し、最適化のためのパラメータとして表現する
オール!!!)))
neuronkaを鍛えて利益を出すとか、メガインジケータのようなものを作らせるとか、いろいろできます。
分類や回帰のために設計されたほとんどすべてのパッケージから、「最小」ニューロンを訓練する方法がわかりました。
主なものは、このパッケージでニューラル・スケールにアクセスし、修正できることです。
レシピは以下の通りです。
1) ニューラルネットワークを訓練する、何があっても、主なものは、重みのあるモデルを得ることである
2) 最適化手法の選択(遺伝学、ムラビ、群れ、アニーリングシミュレーションなど)
3) 適性関数を書く
4) ニューロンの重みを取り出し、最適化のためのパラメータとして表現する
オール!!!)))
neuronkaをトレーニングして、利益を出すようにしたり、メガインディケータみたいなものを作らせたりすることができます。
を訓練することができ、あなたはそれを失うことがないように教える必要があります))) しかし、一つの問題がある:グリッドは預金を節約するためにポジションを開く 停止します。 私はそれを試してみました。 ストップの有無で異なる方法で、結果は同じです、グリッドは結局利益を上げるための最善の方法は、預金を維持することであると決定します。
記事中の神経細胞が実物の上で発火している。
で、どうなんだ?