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 2312

[Maxim Dmitrievsky]

elibrarius:
見てきました。そうではないんです。3x3の行列を変数に書き換えただけです。しかし、新しい成分ベクトルは計算されない。
その結果、各コンポーネントについて6つの行が得られます（この例によれば）。

本当に失くしてしまって覚えていないのですが...pca版のbotがあったので、もし見つけたら後で載せますね

[Forester]

マキシム・ドミトリエフスキー：

本当に迷ってしまって思い出せない...pca版のbotがあったので、もし見つけられたら後で投稿します。

ディスク全体でPCABuildBasisという単語を検索するとよいでしょう）ファイルが削除されない場合。

[Maxim Dmitrievsky]

elibrarius:
PCABuildBasisという単語をディスク全体で検索するとよいでしょう）ファイルが削除されていない場合。

アーカイブスのクラウドにあるものはすべて古いものです

以下は、pcaまたはldaのコードの一部です（後者はコメントアウトされています）。

//+------------------------------------------------------------------+
//|Use LDA for inputs transforming                                   |
//+------------------------------------------------------------------+
CRLAgent::PCApermutation(void) {                                         
 int inf;    
 double s2s[];            
 //CLDA::FisherLDAN(RDFPM,RDFPM.Size(),features,2,inf,LDAmatrix); 
 CPCAnalysis::PCABuildBasis(RDFPM,RDFPM.Size(),features,inf,s2s,LDAmatrix);  
 RDFPMPCA.Resize(RDFPM.Size(),this.features+2);  
 ArrayResize(PCAarr,features*features);
   
 int ldaind=0;
 for(int f=0;f<this.features;f++)
  for(int i=0;i<this.features;i++) {
   PCAarr[ldaind] = LDAmatrix[i][f];
   ldaind++; }
   
 for(int s=0; s<this.features; s++) {
  for(int i=0;i<RDFPMPCA.Size();i++) {
   double feach = 0;
   for(int f=0;f<this.features;f++)
    feach+=RDFPM[i][f]*LDAmatrix[f][s];   
    RDFPMPCA[i].Set(s,feach);
    RDFPMPCA[i].Set(this.features,RDFPM[i][this.features]);
    RDFPMPCA[i].Set(this.features+1,RDFPM[i][this.features+1]); } }                      
  CDForest::DFBuildRandomDecisionForest(RDFPMPCA,RDFPMPCA.Size(),this.features,2,trees,r,RDFinfo,RDF,RDF_report);
  RDF_report.m_oobrelclserror = CDForest::DFRelClsError(RDF,RDFPMPCA,RDFPMPCA.Size());
 
 ArrayResize(permutated,this.features);
 double buypass[]; ArrayResize(buypass,RDFPMPCA.Size());
 for(int s=0; s<this.features; s++) {
  for(int i=0;i<RDFPMPCA.Size();i++) {  
   buypass[i] = RDFPMPCA[i][s];
   RDFPMPCA[i].Set(s,rand()/32767.0); } 
  permutated[s][1] = s; double err = CDForest::DFRelClsError(RDF,RDFPMPCA,RDFPMPCA.Size()); if(err == 0.0) err = 0.001;
  permutated[s][0] = RDF_report.m_oobrelclserror / err; 
  for(int i=0;i<RDFPMPCA.Size();i++) RDFPMPCA[i].Set(s,buypass[i]); }
   
 ArraySort(permutated); ArrayResize(permutated,this.bf_n); 
 RDFPM.Resize(RDFPMPCA.Size(),this.bf_n+2);
  
 for(int s=0; s<this.bf_n; s++) {
  for(int i=0;i<RDFPMPCA.Size();i++) {   
   RDFPM[i].Set(s,RDFPMPCA[i][(int)permutated[s][1]]);
   RDFPM[i].Set(bf_n,RDFPMPCA[i][this.features]);
   RDFPM[i].Set(bf_n+1,RDFPMPCA[i][this.features+1]); } } 
 CDForest::DFBuildRandomDecisionForest(RDFPM,RDFPM.Size(),this.bf_n,2,trees,r,RDFinfo,RDF,RDF_report); }

[Maxim Dmitrievsky]

詳しくはこちら

//+------------------------------------------------------------------+
//|Use LDA for inputs transforming                                   |
//+------------------------------------------------------------------+
CRLAgent::LDA(void) {                                        
   CDecisionForest   mRDF;                                                  
   CDFReport         mRep;   
   int inf;    
   double s2s[];            
   //CLDA::FisherLDAN(RDFpolicyMatrix,RDFpolicyMatrix.Size(),features,2,inf,LDAmatrix); 
   CPCAnalysis::PCABuildBasis(RDFpolicyMatrix,RDFpolicyMatrix.Size(),features,inf,s2s,LDAmatrix);
   
   
   RDFpolicyMatrix2.Resize(RDFpolicyMatrix.Size(),bestfeatures_num+2);
   
   ArrayResize(LDAarr,features*features);
   
   int ldaind=0;
   for(int f=0;f<this.features;f++)
     for(int i=0;i<this.features;i++){
       LDAarr[ldaind] = LDAmatrix[i][f];
       ldaind++;
      }
   
   for(int s=0; s<this.bestfeatures_num; s++) {
     for(int i=0;i<RDFpolicyMatrix.Size();i++) {
       double feach = 0;
       for(int f=0;f<this.features;f++)
         {
          feach+=RDFpolicyMatrix[i][f]*LDAmatrix[f][s];
         }
        RDFpolicyMatrix2[i].Set(s,feach);
        RDFpolicyMatrix2[i].Set(bestfeatures_num,RDFpolicyMatrix[i][this.features]);
        RDFpolicyMatrix2[i].Set(bestfeatures_num+1,RDFpolicyMatrix[i][this.features+1]);
       }
    }
                        
  CDForest::DFBuildRandomDecisionForest(RDFpolicyMatrix2,RDFpolicyMatrix2.Size(),bestfeatures_num,2,trees,r,RDFinfo,RDF,RDF_report);
 }

[Forester]

ありがとうございます。

[Maxim Dmitrievsky]

elibrarius:

ありがとうございます、調べてみます。

という感じです。特徴量にベクトル係数を乗じたもの

に対して学習させる。

for(int s=0; s<this.bestfeatures_num; s++) {
     for(int i=0;i<RDFpolicyMatrix.Size();i++) {
       double feach = 0;
       for(int f=0;f<this.features;f++)
         {
          feach+=RDFpolicyMatrix[i][f]*LDAmatrix[f][s];
         }
        RDFpolicyMatrix2[i].Set(s,feach);
        RDFpolicyMatrix2[i].Set(bestfeatures_num,RDFpolicyMatrix[i][this.features]);
        RDFpolicyMatrix2[i].Set(bestfeatures_num+1,RDFpolicyMatrix[i][this.features+1]);
       }
    }

[cemal]

Ludwigはコードを書く必要なくディープラーニングモデルを搭載しており、モデルを教えるためのプログラミングスキルは必要ありません:https://ludwig-ai.github.io/ludwig-docs/

[Forester]

マキシム・ドミトリエフスキー：

このように特徴量にベクトル係数を乗じたもの

for(int s=0; s<this.bestfeatures_num; s++) {
     for(int i=0;i<RDFpolicyMatrix.Size();i++) {
       double feach = 0;
       for(int f=0;f<this.features;f++)
         {
          feach+=RDFpolicyMatrix[i][f]*LDAmatrix[f][s];
         }
        RDFpolicyMatrix2[i].Set(s,feach);
        RDFpolicyMatrix2[i].Set(bestfeatures_num,RDFpolicyMatrix[i][this.features]);
        RDFpolicyMatrix2[i].Set(bestfeatures_num+1,RDFpolicyMatrix[i][this.features+1]);
       }
    }

を作成し、その成分に対してフォレストを学習させる。

1）意味がよくわからない。100列の生データの代わりに、情報を失った100列の主成分を供給するべきだったのです。
100列の入力データではなく、学習速度で情報の損失を補う10〜20個の主成分を追加すべきだった。

2) 1000行100列のGCから1000行10列のGCを作る方法がまだ見つかっていません。
最初の10個のコンポーネントから1000行を生成する必要があります。成分を含む行列は100x100になります。

[mytarmailS]

elibrarius:

1) ポイントがよくわからない。100列の生データの代わりに、 100列の主成分を 投入したが、この場合、 いくつかの情報が失わ れる。
100列の生データではなく、10〜20個の主成分であるべきで、情報の損失は学習のスピードで補うことができるのです。

))))

100の形質から100の部品を作ったとすると、情報損失の割合は0.0%になります。

理論を勉強した方がいいかもしれませんね)

[Forester]

mytarmailS:

))))

100個の符号のうち、100個の部品が作られた場合、情報損失の割合は0.0％である。

理論を学ぶべき))

理論的にはそうです。
それにしても、このアクションは何なんだ？速度が上がらない、むしろ遅くなる場合、追加操作のために。
100点満点で10点取らないといけないんです。解決策はあるのでしょうか？