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 2427 1...242024212422242324242425242624272428242924302431243224332434...3399 新しいコメント mytarmailS 2021.07.17 14:56 #24261 Aleksey Vyazmikin: まあ、データを用意するためのスクリプトを作っているので、やはり除外するカラムをリストアップしたファイルを作る必要がありますね。1.相関のある予測変数のある列(ところで、例えば5つの相関のある予測変数を落とす列をどのように選ぶのでしょうか?)。2.最初のファイル-テーブルから、ターゲットを持つ列を除いて破棄された列。さらに目的のラベルを持つ列をファイルに書き込む必要があり、できれば列名で検索してほしい。ファイルの構成は以下の通りです。 これを宿題にしよう)...。このコードには、そのためのすべてが詰まっています。質問については、stackowerflowのサイトなどがあります・・・。年寄りを虐めてはいけない)) Forester 2021.07.17 15:21 #24262 Aleksey Vyazmikin: より短時間で正しい予測因子を選択する必要があります。もう一度予測器を通すとなると、処理時間が100倍になってしまう。私の方法は、良い予測因子(特定の学習方法に適したものを含む)は、 すべてのサンプル区間で モデルによって要求されるという論理に基づいており、サンプル領域へのフィッティングを排除することができるのです。 すべてに搭載するためには、クロスバリデーションを行う必要があります。そして、テストや試験で確認するだけなんですね。 サンプルの10%でクロスバリデーションを行う場合、何百回ではなく10回のトレーニングが必要です。しかも、20%やると5回教えなければならない。 Aleksey Vyazmikin 2021.07.17 15:47 #24263 elibrarius: バリデーションと掛け合わせないと、全部できないんです。そして、テストや試験で確認するだけです。 サンプルの10%でクロスバリデーションを行うのであれば、何百回ではなく10回のトレーニングが必要です。そして、20%なら5回。 サンプルを8つのセクションに分け、各セクションで100種類のモデルを構築し、モデルを分析して、どの予測変数が需要があったのか、つまりパターンを見つけるために使われたのかを確認し、推定値を平均し、残りの予測変数をサンプル全体のトレーニングに使用するんです。この背後にある論理は、これらの予測因子からのパターンが特定の領域で発見されると、モデルは、通常の場合のようにサンプルの領域で調整するのではなく、サンプル全体に均等に これらの予測因子に一般化することができるようになる、というものです。 あなたの方法は、サンプルの小さな部分からモデルを構築します。モデルはサンプルの各部分で異なって構築されます。なぜなら、特定の学習領域に適合する最適な予測変数が選択されるからです。サンプルは完全(代表)ではないという事実を考慮すると、この方法は将来繰り返されるかどうか分からない、利用できる情報の一部のみを調査していると言えます。また、CatBoostで量子表を固定しない場合、一般的な学習では、サンプルの具体的な部位に応じた量子表の構成が異なるため、毎回異なる予測器を用いて学習することになります。 Aleksey Vyazmikin 2021.07.17 16:18 #24264 mytarmailS: ぜんもんのこたえ どうしたんだろう......悪態をついている。 Error in get.findCorrelation(data = df1, not.used.colums = c("Target_100_Buy", : could not find function "get.findCorrelation" mytarmailS 2021.07.17 16:24 #24265 Aleksey Vyazmikin: どうしたんだろう......悪態をついている。 関数を作成するコードを実行し、次に関数そのものを実行する Aleksey Vyazmikin 2021.07.17 17:02 #24266 mytarmailS: 関数作成コードを実行した後、関数自体を実行する。 うまくいきました、ありがとうございます。 mytarmailS: 宿題にしましょう)... このコードには、そのためのすべてが詰まっている...。 質問用のstackowerflowなどのサイトもありますが...。 年寄りを虐めてはいけない)) 具体例で把握するしかないのですが、そうでなければMQLで解決したほうがいいですね。 削除済み 2021.07.18 21:12 #24267 テレパシー通信で今最も神秘的なフォーラムのトピックです。彼らは、結局のところ、マシンを訓練したのだ。マシンが彼らに超能力を与えたのだ。 Mihail Marchukajtes 2021.07.19 02:38 #24268 Account_: テレパシー通信で今最も神秘的なフォーラムスレッドです。 彼らは、結局のところ、マシンを訓練したのだ。マシンが彼らに超能力を与えたのだ。 ええ、気のせいかと思いましたよ :-)まあ、いい話だったし、なによりも参考になった :-) 削除済み 2021.07.19 04:19 #24269 ここでどんな機械が教えられているのか、誰も認めていない。 mytarmailS 2021.07.19 04:33 #24270 Vladimir Baskakov: ここで教えられているマシンがどのようなものであるか、誰も認めていない。 あと、惨めなアベレージマシンを売るカカシは、なぜこのスレッドで自分を宣伝するのが義務だと思ってるんだろう、献身なのかなんなのか。)) 1...242024212422242324242425242624272428242924302431243224332434...3399 新しいコメント 理由: キャンセル 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
まあ、データを用意するためのスクリプトを作っているので、やはり除外するカラムをリストアップしたファイルを作る必要がありますね。
1.相関のある予測変数のある列(ところで、例えば5つの相関のある予測変数を落とす列をどのように選ぶのでしょうか?)。
2.最初のファイル-テーブルから、ターゲットを持つ列を除いて破棄された列。
さらに目的のラベルを持つ列をファイルに書き込む必要があり、できれば列名で検索してほしい。
ファイルの構成は以下の通りです。
より短時間で正しい予測因子を選択する必要があります。もう一度予測器を通すとなると、処理時間が100倍になってしまう。私の方法は、良い予測因子(特定の学習方法に適したものを含む)は、 すべてのサンプル区間で モデルによって要求されるという論理に基づいており、サンプル領域へのフィッティングを排除することができるのです。
すべてに搭載するためには、クロスバリデーションを行う必要があります。そして、テストや試験で確認するだけなんですね。
サンプルの10%でクロスバリデーションを行う場合、何百回ではなく10回のトレーニングが必要です。しかも、20%やると5回教えなければならない。
バリデーションと掛け合わせないと、全部できないんです。そして、テストや試験で確認するだけです。
サンプルの10%でクロスバリデーションを行うのであれば、何百回ではなく10回のトレーニングが必要です。そして、20%なら5回。
サンプルを8つのセクションに分け、各セクションで100種類のモデルを構築し、モデルを分析して、どの予測変数が需要があったのか、つまりパターンを見つけるために使われたのかを確認し、推定値を平均し、残りの予測変数をサンプル全体のトレーニングに使用するんです。この背後にある論理は、これらの予測因子からのパターンが特定の領域で発見されると、モデルは、通常の場合のようにサンプルの領域で調整するのではなく、サンプル全体に均等に これらの予測因子に一般化することができるようになる、というものです。
あなたの方法は、サンプルの小さな部分からモデルを構築します。モデルはサンプルの各部分で異なって構築されます。なぜなら、特定の学習領域に適合する最適な予測変数が選択されるからです。サンプルは完全(代表)ではないという事実を考慮すると、この方法は将来繰り返されるかどうか分からない、利用できる情報の一部のみを調査していると言えます。また、CatBoostで量子表を固定しない場合、一般的な学習では、サンプルの具体的な部位に応じた量子表の構成が異なるため、毎回異なる予測器を用いて学習することになります。
ぜんもんのこたえ
どうしたんだろう......悪態をついている。
どうしたんだろう......悪態をついている。
関数作成コードを実行した後、関数自体を実行する。
うまくいきました、ありがとうございます。
宿題にしましょう)...
具体例で把握するしかないのですが、そうでなければMQLで解決したほうがいいですね。
テレパシー通信で今最も神秘的なフォーラムスレッドです。
ここで教えられているマシンがどのようなものであるか、誰も認めていない。
あと、惨めなアベレージマシンを売るカカシは、なぜこのスレッドで自分を宣伝するのが義務だと思ってるんだろう、献身なのかなんなのか。))