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 2213

[Valeriy Yastremskiy]

mytarmailS:

つまり、「利益が最大になる」ようにニューロン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

的なものが多い。通常は2倍を目標にしています。利益を最大化し、残高を減らさない。利益は流出するリスクがある。

19から30パラメータの間の原子力発電所では。目標は最大かつ安定したリターンであり、それが停止したり爆発したりしないことです。最大反動で爆発する可能性があり、ロッドも取り出せば確かに爆発はしませんが、止まる可能性はあります。

異なる境界状態、またはクラス。

[Uladzimir Izerski]

mytarmailS:

だろう

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

大きな試供品を作りました

の中にあるのは、私が示したテストの一部（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、とても雑な仕事をしてきました。

現在のシステムの2、3日前にトレーニングし、1、2週間前にテストする。どうなるか見てみましょう。面白いものがたくさん見れますよ。

[mytarmailS]

マキシム・ドミトリエフスキー：

ありがとうございます。

いい加減にしろ

私もあなたのリサンプリングは理解できません((.

複雑なものを理解するのは難しいことが多いからです)。

Valeriy Yastremskiy：

的なものが多い。通常2倍目標。利益を最大化し、残高を消耗させない。利益は流出するリスクがある。

そうです、フィットネス機能を使えば何でもできるんです......。

神経細胞に何をしてほしいかを伝えるのに、最も「自由」な方法だから......。

Uladzimir Izerski：

2、3日前のシステムを現在のものにトレーニングし、1、2週間前にテストする。どうなるか見てみましょう。面白いものがたくさん見れますよ。

なぜそんなことをするのか、理解できない。

[Maxim Dmitrievsky]

mytarmailS:

いい加減にしろ

私もあなたのリサンプリングは理解できません((.

複雑なものを理解するのは難しいことが多いからです)。

読まないからわからないんだよ

何をやっているのか図を描けと言っているのだ、そうでなければ何を言っているのかわからない。

[mytarmailS]

マキシム・ドミトリエフスキー：

読んでないからわからないんだろうけど。

図解してくれって言ってるんだよ、そうじゃないと何言ってるかわかんねーよ。

読みましたよ、最後の1枚を・・・。

少しして、今度はコードを書きながら、テストに合格したモデルだけを選択するようにしたいのですが、自動的に

多基準の検索を試してみる

[mytarmailS]

マキシム・ドミトリエフスキー

何をやっているのか図を描かないと、何を言っているのかわからないと言うことです。

この記事の 最後の3分の1で ウラジミールと同じことをしています。

ただ、私はMASDのパラメータを利益を最大化するように調整するのではなく、ニューロニクスのウェイトを調整するだけです。

でも、同じなんです。

[Maxim Dmitrievsky]

mytarmailS:

この記事の 最後の3分の1で ウラジミールと同じことをしています

ただ、私はMASDのパラメータを利益を最大化するように調整するのではなく、ニューロニクスの重みを調整するだけなのです。

だから、同じことを...

これはハイパーパラメータグリッドによる最適化です。

[mytarmailS]

マキシム・ドミトリエフスキー：

まあ、ハイパーパラメータグリッド最適化なんですけどね。

と言えなくもない

ポイントは、可能性にあります。

どんなアイデアでも、フィットネス関数を介してニューラルネットワークに入れることができますし、自分でコード化できないようなものでもOKです。

[Maxim Dmitrievsky]

mytarmailS:

まあ、そうとも言えるが...。

要は可能性です。

自分ではコードで記述できないようなアイデアでも、フィットネス関数を介してニューラルネットワークに書き込むことができるのです。

グリッドは依然として、エントロピーの最小化を通じて学習する。また、停止基準は任意のカスタムロスから作ることができる

[mytarmailS]

マキシム・ドミトリエフスキー：

の場合、エントロピーの最小化により、グリッドの学習が行われます。また、停止基準は任意のカスタムロスから作ることができる

pythonならともかく、r-kaではイマイチというか、やり方が分からないので、こんなものを作ってみました...。