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 2380 1...237323742375237623772378237923802381238223832384238523862387...3399 新しいコメント mytarmailS 2021.03.31 17:11 #23791 Aleksey Vyazmikin: コラムのことだと勘違いしていました。それにしても、学習はすべてサンプルファイルで行い、チェックは別のファイルで行うことはできないのでしょうか?アレクセイ、君ならできる!!!!でも、興味がないんです。 Rを学ぼう!魅力的な言語であり、特にトレーニ... Aleksey Vyazmikin 2021.03.31 19:56 #23792 mytarmailS: アレクセイ、何でもできるんだ!」。でも、興味がないんです。 Rを学ぼう!魅力的な言語であり、特にトレーニ... ありがとうございました。 精度(Precision)と完全性(Recall)は、CatBoostよりも 大幅に向上することが判明した。 全サンプルを1つのファイルに統合してみました。 では、まだこの方向で考えてもいいのでしょうか? Forester 2021.03.31 20:17 #23793 Aleksey Vyazmikin: よろしくお願いします。精度(Precision)と完全性(Recall)はCatBoostより 大幅に向上している。すべてのサンプルを1つのファイルに統合しました。では、まだこの方向で考えてもいいのでしょうか? 新しいデータとトレーニングデータのどちらが良いのか? あそこもあそこも、どんな数字があるのでしょうか? Aleksey Vyazmikin 2021.03.31 21:28 #23794 elibrarius: 新しいデータとトレーニングデータのどちらが良いのか?両者の数値は?残念なことに、私は間違っていました。精度は良くなるどころか、悪くなっています。明日、CatBoost'aの良いモデルが出たところで、別のサンプルに挑戦してみます。まあ、そして、モデルのパラメータで私は理解していないので、多分比較は非常に、公正ではありません。このモデルから大きなRecallを犠牲にして、一般に別の予測器を作ることが可能である。しかし、それをファイルにアップロードする方法がわからない :) Aleksey Nikolayev 2021.04.01 05:22 #23795 マキシム・ドミトリエフスキー: 偶然うまくいっても、誰も評価してくれないという、そんな逆説的な状況です 評価基準がないため ) いや、感謝や謝意はまったく必要ない--そうすると、確かに降りないから)。 むしろ、フォーラムのアイデアに常識を見出そうとするとき、ある種の運動やパズルのように受け止めています) この場合、分類にロジスティック 回帰を用いれば、かなり応用が利きそうです。 Aleksey Vyazmikin 2021.04.01 21:07 #23796 別のサンプルで試してみました - 添付ファイルX <- read.csv2("F:\\FX\\Открытие Брокер_Demo\\MQL5\\Files\\ZZ_Po_Vektoru_TP4_SL4_Si_QMini_02_Bi\\Si_cQq\\Setup\\xxx.csv") Y <- X$Target_100 X <- as.matrix(within(X, rm("Time","Target_P","Target_100", "Target_100_Buy","Target_100_Sell"))) library(glmnet) tr <- 1:14112 # train idx best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = 10^seq(2, -2, by = -.1), nfolds = 5)$lambda.min lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam) pred <- predict(lasso_best, s = best_lam, newx = X[-tr,]) sma <- TTR::SMA(pred,20) pred2 <- c(pred-sma) ; pred2[pred2>0] <- 1 ; pred2[pred2<=0] <- 0 yy <- tail(Y[-tr] ,3528) pp <- tail(pred2 ,3528) caret::confusionMatrix(as.factor(yy),as.factor(pp)) Reference Prediction 0 1 0 1063 860 1 567 1019 問題は、モデルの取得方法と、そもそも分類をファイルに保存する方法です。 ファイル: xxx.zip 482 kb Maxim Dmitrievsky 2021.04.02 00:42 #23797 Aleksey Vyazmikin: 別のサンプルで試してみました - こちら 問題は、モデルの取得方法と、そもそも分類をファイルに保存する方法です。 catbustはかなり強い正則化を持っており、さらに特徴がカテゴリカルである場合は、boostでそのように宣言する必要があります。 Aleksey Vyazmikin 2021.04.02 01:58 #23798 マキシム・ドミトリエフスキー: catbust はかなり強い正則化を持ちます。特に、特徴量がカテゴリカルである場合は、boost でそのように宣言する必要があります。 二値的なものについては、カテゴリカルかどうかは関係ない。 正則化を減らしてみるのもいいかもしれませんね。いいアイデアです。ありがとうございます。 これまでのところ、Lassoはサンプルの試験的な部分でより良い結果を示しています。 Maxim Dmitrievsky 2021.04.02 02:13 #23799 マキシム・ドミトリエフスキー: I.e.周期5 または価格差のある波形で トレードをマークアウトし、何が起こるか見る。また、トレーニングの際にはサインも滑らかになります。 を同じように試してみてください。カスタムテスターではうまくいったのですが、モデルをエクスポートするときに問題が発生しましたので、後でエラーを探します。 Forester 2021.04.02 08:48 #23800 Aleksey Vyazmikin: 二値的なものについては、カテゴリカルであるかどうかは問題ではない。正則化を減らしてみるのもいいかもしれませんね。いいアイデアです。ありがとうございます。これまでのところ、 サンプルの試験 部分では、Lassoの方が良い結果を出しています。 もしかしたら、試験サンプルのラッキーな塊かもしれません。そして、それに最適なパラメータを持つモデルを選んで、フィットを行うのです。 今は必ずクロスバリデーション(またはvalving-forwardで検証)をしています。小さな部分へのフィッティングはなく、全データを一度にフィッティングする、これがベストな学習方法だと思っています。 ドクも、フォーラムから消える前に使うようにとアドバイスしていました。 1...237323742375237623772378237923802381238223832384238523862387...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
コラムのことだと勘違いしていました。
それにしても、学習はすべてサンプルファイルで行い、チェックは別のファイルで行うことはできないのでしょうか?
アレクセイ、君ならできる!!!!
でも、興味がないんです。
Rを学ぼう!魅力的な言語であり、特にトレーニ...アレクセイ、何でもできるんだ!」。
でも、興味がないんです。
Rを学ぼう!魅力的な言語であり、特にトレーニ...ありがとうございました。
精度(Precision)と完全性(Recall)は、CatBoostよりも 大幅に向上することが判明した。
全サンプルを1つのファイルに統合してみました。
では、まだこの方向で考えてもいいのでしょうか?
よろしくお願いします。
精度(Precision)と完全性(Recall)はCatBoostより 大幅に向上している。
すべてのサンプルを1つのファイルに統合しました。
では、まだこの方向で考えてもいいのでしょうか?
新しいデータとトレーニングデータのどちらが良いのか?
あそこもあそこも、どんな数字があるのでしょうか?
新しいデータとトレーニングデータのどちらが良いのか?
両者の数値は?
残念なことに、私は間違っていました。精度は良くなるどころか、悪くなっています。
明日、CatBoost'aの良いモデルが出たところで、別のサンプルに挑戦してみます。まあ、そして、モデルのパラメータで私は理解していないので、多分比較は非常に、公正ではありません。
このモデルから大きなRecallを犠牲にして、一般に別の予測器を作ることが可能である。しかし、それをファイルにアップロードする方法がわからない :)
偶然うまくいっても、誰も評価してくれないという、そんな逆説的な状況です
評価基準がないため )いや、感謝や謝意はまったく必要ない--そうすると、確かに降りないから)。
むしろ、フォーラムのアイデアに常識を見出そうとするとき、ある種の運動やパズルのように受け止めています)
この場合、分類にロジスティック 回帰を用いれば、かなり応用が利きそうです。
別のサンプルで試してみました - 添付ファイル
問題は、モデルの取得方法と、そもそも分類をファイルに保存する方法です。
別のサンプルで試してみました - こちら
問題は、モデルの取得方法と、そもそも分類をファイルに保存する方法です。
catbustはかなり強い正則化を持っており、さらに特徴がカテゴリカルである場合は、boostでそのように宣言する必要があります。
catbust はかなり強い正則化を持ちます。特に、特徴量がカテゴリカルである場合は、boost でそのように宣言する必要があります。
二値的なものについては、カテゴリカルかどうかは関係ない。
正則化を減らしてみるのもいいかもしれませんね。いいアイデアです。ありがとうございます。
これまでのところ、Lassoはサンプルの試験的な部分でより良い結果を示しています。
I.e.周期5 または価格差のある波形で トレードをマークアウトし、何が起こるか見る。
また、トレーニングの際にはサインも滑らかになります。
を同じように試してみてください。カスタムテスターではうまくいったのですが、モデルをエクスポートするときに問題が発生しましたので、後でエラーを探します。
二値的なものについては、カテゴリカルであるかどうかは問題ではない。
正則化を減らしてみるのもいいかもしれませんね。いいアイデアです。ありがとうございます。
これまでのところ、 サンプルの試験 部分では、Lassoの方が良い結果を出しています。
もしかしたら、試験サンプルのラッキーな塊かもしれません。そして、それに最適なパラメータを持つモデルを選んで、フィットを行うのです。
今は必ずクロスバリデーション(またはvalving-forwardで検証)をしています。小さな部分へのフィッティングはなく、全データを一度にフィッティングする、これがベストな学習方法だと思っています。
ドクも、フォーラムから消える前に使うようにとアドバイスしていました。