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 2212

[mytarmailS]

マキシム・ドミトリエフスキー：

できないってどういうこと...まあ、割り切ればいいんだけど))

ある基準のグローバルミニマムが-1000、他の基準が0、そして3番目の基準が150kである場合

何を足すんだ？

[Maxim Dmitrievsky]

mytarmailS:

ある基準のグローバルミニマムが-1000、別の基準が0、そして3番目の基準が150kであった場合

何を足しているんだ？

無限大にするのではなく、0から1までの範囲にすればいいのです。

[mytarmailS]

マキシム・ドミトリエフスキー：

無限大にするのではなく、他の項目と同じように0から1までの範囲に設定してください。

いや、マックス、そんなことはない。最適化とは、未知のもの（関数、パラメータなど）を探すことなんだ。

何か」を0～1の範囲に入れるには、「持っている必要がある」「持っていない」「最適化を用いて探す」。

[Maxim Dmitrievsky]

mytarmailS:

マックス、それは違うよ。最適化とは、未知のもの（関数、パラメータなど）を探すことなんだ。

0-1の範囲で「何か」を得るためには、それが必要で、持っていないからこそ、最適化の力を借りて探す...。

なんであれ最大化/最小化する必要がある関数がある場合...すべて

だから、健康なF-iはすべて範囲内なのです。をお持ちの方で、スモーカーズフィ

[mytarmailS]

マキシム・ドミトリエフスキー：

なんであれ最大化／最小化する機能があるんですね...すべて。

いいですか、あなたは今までに多基準のパラメータ検索をしたことがありますか？

[Maxim Dmitrievsky]

mytarmailS:

いいですか、あなたは今までに多基準のパラメータ検索をしたことがありますか？

何をやっているのか分からないので、図を書いてください。

[mytarmailS]

マキシム・ドミトリエフスキー：

何をやっているのかわからない、図を描いてくれ。

最大利益」に対してニューロンを学習させる。 これは1つの基準（「最大利益」） に対しての学習である。

Alexander Alexandrovichは 、neuronkaが「取引しない」という最良の解決策を見出したと言います。どうやったのかわからないけど、まあいいや...。

だから、もしニューロンが "取引しない "と決めたらつまり、もしニューロンが「取引しない」と判断したら、もう1つ基準（最低取引数）を追加する必要があるということです：「min.deals」。

すでに2つの基準（または10個の 基準）を使って最適化する必要があることがわかります。

最終的な結果が分からないので、ここでは何も正規化することができません

[Maxim Dmitrievsky]

mytarmailS:

つまり、「利益が最大になる」ように神経細胞を学習させるわけです。 これは、1つの基準（「利益が最大になる」）で学習していることになります。

アレクサンダー・アレクサンドロビッチに よると、神経細胞は「取引しない」という最適解を見つけるという。どう やったのかわからないけど、まあいいや...。

だから、もしニューロンが "取引しない "と決めたらつまり、もしニューロンが「取引しない」と判断したら、もう1つ基準（最低取引数）を追加する必要があるということです：「min.deals」。

すでに2つの基準（または10個の 基準）を使って最適化する必要があることがわかります。

最終的な結果が分からないので、ここでは何も正規化することができません

そうこなくっちゃ

誰も何も理解していないのに、その上に構築し始めるとき。

だから、オタクのためのニューラルネットワーク講座があるんです。

[mytarmailS]

マキシム・ドミトリエフスキー：

それが問題だと思うんです。

誰も理解していないのに、上から順番に完成させていくとき

だろう

========================

大きな試供品を作りました

の中にあるのは、私が示したテストの一部（新しいデータ）です。

とにかく5分間、手数料を食いつぶす

しかし、興味深いモデルを合成することは可能である

シャフトとテストサンプルでのモデルの学習とチェックを即座にフィットネス関数に含めることが必要である

これまで私は、すべてを非常に分かりにくくしてきました。

[Maxim Dmitrievsky]

mytarmailS:

だろう

========================

大きな試供品を作りました

の中にあるのは、私がお見せしたテストの一部（新しいデータ）です。

とにかく5分間は、委員会が全部食べてしまうのです。

しかし、興味深いモデルを合成することは可能である

シャフトとテストサンプルでのモデルの学習とチェックを即座にフィットネス関数に含めることが必要である

これまで、すべてを非常に分かりにくくしてきました。

どうも、はっきりしないのです。