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 2479 1...247224732474247524762477247824792480248124822483248424852486...3399 新しいコメント Dmytryi Nazarchuk 2021.10.30 19:34 #24781 iwelimorn#: ありがとうございます。おそらく、悶々としているのではなく、私の基礎知識が不足しているのでしょう。 これは、複数の独立変数のセットが1つの変数に対応する場合にも当てはまるのでしょうか? ニットです。こういうのは当たり前なんです。 Mihail Marchukajtes 2021.10.31 10:13 #24782 Dmytryi Nazarchuk#: 自分が何を書いたか理解していたのか? そう、データの不整合というやつですね。私は20年前からネットワークと付き合っているので、このスレッドの管理人と言えるかもしれませんね。なぜ、そんなことを聞くのですか? Mihail Marchukajtes 2021.10.31 10:21 #24783 iwelimorn#: 同じ例が複数の状態を記述している場合、利用可能なアルゴリズムで分類すると、1/n(nは状態の数)に近い確率を得ることができますね。しかし、絶対に似ている例というのはなく、ある程度似ている。問題は、この「類似性」をどのように検出するかである。M5で3ヶ月で100例...不思議なんですが、オリジナルサンプルの中からルールに従ってサンプルを選び、 それをトレードに使っているのでしょうか? 2つのベクトルが非常に近いが目標値が異なる場合、入力ベクトルのわずかな変化で結果が大きく変わってしまうため、アルゴリズムに小さな曲げをさせ、モデルの安定性を低下させることになる。これは、モデルが入力データに非常に敏感になるため、より頻繁にエラーを起こす可能性があり、また良いことではありません。 М5で3ヶ月で100サンプルは、データを間引くことで実現しています。これは、すべてのバーで分析するのではなく、分析のための条件が形成された、ある時点でのみ相場を分析させる基本的な戦略です。私の記事を読めば、おおよそのことはご理解いただけると思います。本当は少し時代遅れで、そこではあまり使っていないのですが(移動してしまった)、そこの基本コンセプトは変わっていないのです mytarmailS 2021.10.31 10:40 #24784 Mihail Marchukajtes#: はい、不整合データというやつです。私は20年前からネットワークに携わって いるので、この枝の 番人とも 言えるでしょう。なぜ、そんなことを聞くのですか? また飲んでるの?) それとも、もっと面白いものに変わったのでしょうか?)) Dmytryi Nazarchuk 2021.10.31 10:42 #24785 Mihail Marchukajtes#: はい、不整合データというやつです。私は20年前からネットワークに携わっているので、この枝の番人とも言えるでしょう。なぜ、そんなことを聞くのですか? いいえ、そうではありません。 Mihail Marchukajtes 2021.10.31 10:56 #24786 mytarmailS#: また飲んでるのかよ :)) それとも、もっと面白いものに乗り換えたのでしょうか?)) さて、今日は休みなので、おしゃべりをしようと思います。私が元気なうちに、若い人たちにセンスを教えてあげてください(笑)パイプを持ってないんだ、そうでなければおしゃべりになっちゃうよ :-) Mihail Marchukajtes 2021.10.31 10:56 #24787 Dmytryi Nazarchuk#: いいえ、違います。 意味がよくわからないので、もう少しはっきり言ってもらえませんか。というか、まったくわからない :-) mytarmailS 2021.10.31 11:03 #24788 誰か解析できる人いないの? Dmytryi Nazarchuk 2021.10.31 11:04 #24789 Mihail Marchukajtes#: 意味不明なので、もっとわかりやすくしてもらえませんか?というか、まったくわからない :-) RUNNING RIVERSに機械学習の手法を適用する場合、同じ入力変数のセットが同じ従属変数に対応する状況は、ほとんどありません。従属変数の値が異なると、予測誤差が発生し、それを最小化する必要があります。 このスレッド全体は予測誤差を最小にするためのものですよ、アクサカルさん。 平凡な真実...。 mytarmailS 2021.10.31 11:37 #24790 Dmytryi Nazarchuk#: REMOTE RUNNINGに 機械学習の手法を適用する場合、以下のような状況になります。 なんでランダムなの? 1...247224732474247524762477247824792480248124822483248424852486...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
ありがとうございます。おそらく、悶々としているのではなく、私の基礎知識が不足しているのでしょう。
これは、複数の独立変数のセットが1つの変数に対応する場合にも当てはまるのでしょうか?
自分が何を書いたか理解していたのか?
同じ例が複数の状態を記述している場合、利用可能なアルゴリズムで分類すると、1/n(nは状態の数)に近い確率を得ることができますね。
しかし、絶対に似ている例というのはなく、ある程度似ている。問題は、この「類似性」をどのように検出するかである。
M5で3ヶ月で100例...不思議なんですが、オリジナルサンプルの中からルールに従ってサンプルを選び、 それをトレードに使っているのでしょうか?
2つのベクトルが非常に近いが目標値が異なる場合、入力ベクトルのわずかな変化で結果が大きく変わってしまうため、アルゴリズムに小さな曲げをさせ、モデルの安定性を低下させることになる。これは、モデルが入力データに非常に敏感になるため、より頻繁にエラーを起こす可能性があり、また良いことではありません。
М5で3ヶ月で100サンプルは、データを間引くことで実現しています。これは、すべてのバーで分析するのではなく、分析のための条件が形成された、ある時点でのみ相場を分析させる基本的な戦略です。私の記事を読めば、おおよそのことはご理解いただけると思います。本当は少し時代遅れで、そこではあまり使っていないのですが(移動してしまった)、そこの基本コンセプトは変わっていないのです
はい、不整合データというやつです。私は20年前からネットワークに携わって いるので、この枝の 番人とも 言えるでしょう。なぜ、そんなことを聞くのですか?
また飲んでるの?)
それとも、もっと面白いものに変わったのでしょうか?))はい、不整合データというやつです。私は20年前からネットワークに携わっているので、この枝の番人とも言えるでしょう。なぜ、そんなことを聞くのですか?
また飲んでるのかよ :))
それとも、もっと面白いものに乗り換えたのでしょうか?))いいえ、違います。
意味不明なので、もっとわかりやすくしてもらえませんか?というか、まったくわからない :-)
RUNNING RIVERSに機械学習の手法を適用する場合、同じ入力変数のセットが同じ従属変数に対応する状況は、ほとんどありません。従属変数の値が異なると、予測誤差が発生し、それを最小化する必要があります。
このスレッド全体は予測誤差を最小にするためのものですよ、アクサカルさん。
平凡な真実...。
REMOTE RUNNINGに 機械学習の手法を適用する場合、以下のような状況になります。
なんでランダムなの?