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 2554 1...254725482549255025512552255325542555255625572558255925602561...3399 新しいコメント Farkhat Guzairov 2022.01.28 16:39 #25531 Vladimir Baskakov#: 問題を解決することが目的ではない 同じ意味で、課題を設定して、それを解決しないように英雄視する ))) 。難しい課題ほど、ネガティブな結果に対する言い訳、泣き寝入り、さらに難しい課題に対する同情や戒めなどがあることは理解しています )))。 削除済み 2022.01.28 16:40 #25532 Farkhat Guzairov#: それこそ、目標を立てて、勇ましく解決しないようにする ))))難しいプロジェクトほど、ネガティブな結果に対する言い訳、感嘆の声、同情、戒めの言葉が多くなることは理解しています ))) 。 女性を苦しめる様子が目に浮かぶようです;)。 Maxim Dmitrievsky 2022.01.28 16:51 #25533 mytarmailS#: 思い出すのは...少し違う考えもあるのですが...。例えばローソク足50本先の未来の相場分布を定性的に予測できれば、その分布から数千行をモンテカルロしてモデルを訓練すれば、理論的には新しいローソク足50本に対してモデルが十分に機能することになります......。 しかし、もしクラスが誤って予測されるなら、モンテカルロは役に立ちません ウィンドウの大きさを変えてみたり、一般化の質を変えてみたり、いろいろ遊べます。いくつかのサイクルに入る可能性があります。 mytarmailS 2022.01.28 16:58 #25534 Maxim Dmitrievsky#: しかし、クラスが正しく予測されない場合、モンテカルロは役に立ちませんウィンドウの大きさを変えて、一般化の質を見ることができます。いくつかのサイクルに入るチャンスはある。 なぜ、このクラスは正しく予測できないのでしょうか？相場がモデルの予想と違うから、分布じゃないから。正しい配布物から見積書を作成できれば問題ないのですが...。 Vladimir Perervenko 2022.01.28 17:12 #25535 Maxim Dmitrievsky#: "ときどき "って何？何か実績のあるパイプラインがあるのか、それとも単なる憶測なのか。ノイズを別のクラスにしても、理論的にはモデルが改善されるわけではありません（ノイズはモデルの中にとどまり、どこにも行きません）。 ドリフトについて - 基本中の基本、バイアスと分散のトレードオフです。 モデル、使用する予測因子、変換に依存することを意味する場合もあります。そして、実績のあるパイプラインがあります。 理論的にはモデルが改善されないかもしれないが、現実的には結果が改善される （ノイズはモデルの中にとどまり、消えない） どういう ことですか？ ドリフトについて......それは基本中の基本で、バイアスとバリアンスのトレードオフ...... そんなことは全く関係ない。理解できないなら書くな。読んで、勉強してください。 控えめに、控えめに...。 Maxim Dmitrievsky 2022.01.28 17:28 #25536 Vladimir Perervenko#: これは、モデル、使用される予測因子、変換に依存することを意味する場合もあります。そして、それを証明したパイプラインがあります。理論的にはモデルを改善しないかもしれないが、実質的には結果を改善する （ノイズはモデルの中にとどまり、どこにも行かない） どういう こと？ドリフトについて......それは基本中の基本で、バイアスとバリアンスのトレードオフ......そんな ことは全く関係ない。理解できないなら書くな。読んで、勉強してください。謙虚に、謙虚に... ノイズの発生を予測することは、売買のクラスマークを予測することよりも簡単です。 というのは、まさにその通りです。 Aleksey Nikolayev 2022.01.28 17:44 #25537 ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。 偏りと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することで求められる Dmytryi Nazarchuk 2022.01.28 18:15 #25538 Aleksey Nikolayev#: ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。偏りと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することで求められる 外れ値を除去することは、非定常性と戦うことではない...。 Aleksey Nikolayev 2022.01.28 18:38 #25539 Dmytryi Nazarchuk#: 排ガスを除去することは、不安定さとの戦いではない...。 出所の性質による。 Maxim Dmitrievsky 2022.01.28 18:38 #25540 Aleksey Nikolayev#: ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。バイアスと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することによって追求される 将来もモデルが機能することを前提にすると）ノイズを含むあらゆる種類の誤差が常に存在することになり、そのバランスを取ることが問題になります。ですから、私たちは本質的に同じことを話しているのです。 実は、私はこの問題を別の方法で解いていたので、リーディングクエスチョンを書いているわけです。 1...254725482549255025512552255325542555255625572558255925602561...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
問題を解決することが目的ではない
同じ意味で、課題を設定して、それを解決しないように英雄視する ))) 。難しい課題ほど、ネガティブな結果に対する言い訳、泣き寝入り、さらに難しい課題に対する同情や戒めなどがあることは理解しています )))。
それこそ、目標を立てて、勇ましく解決しないようにする ))))難しいプロジェクトほど、ネガティブな結果に対する言い訳、感嘆の声、同情、戒めの言葉が多くなることは理解しています ))) 。
思い出すのは...
少し違う考えもあるのですが...。
例えばローソク足50本先の未来の相場分布を定性的に予測できれば、その分布から数千行をモンテカルロしてモデルを訓練すれば、理論的には新しいローソク足50本に対してモデルが十分に機能することになります......。
しかし、もしクラスが誤って予測されるなら、モンテカルロは役に立ちません
ウィンドウの大きさを変えてみたり、一般化の質を変えてみたり、いろいろ遊べます。いくつかのサイクルに入る可能性があります。
しかし、クラスが正しく予測されない場合、モンテカルロは役に立ちません
ウィンドウの大きさを変えて、一般化の質を見ることができます。いくつかのサイクルに入るチャンスはある。
"ときどき "って何？
何か実績のあるパイプラインがあるのか、それとも単なる憶測なのか。
ノイズを別のクラスにしても、理論的にはモデルが改善されるわけではありません（ノイズはモデルの中にとどまり、どこにも行きません）。
ドリフトについて - 基本中の基本、バイアスと分散のトレードオフです。モデル、使用する予測因子、変換に依存することを意味する場合もあります。そして、実績のあるパイプラインがあります。
理論的にはモデルが改善されないかもしれないが、現実的には結果が改善される （ノイズはモデルの中にとどまり、消えない） どういう ことですか？
ドリフトについて......それは基本中の基本で、バイアスとバリアンスのトレードオフ...... そんなことは全く関係ない。理解できないなら書くな。読んで、勉強してください。
控えめに、控えめに...。
これは、モデル、使用される予測因子、変換に依存することを意味する場合もあります。そして、それを証明したパイプラインがあります。
理論的にはモデルを改善しないかもしれないが、実質的には結果を改善する （ノイズはモデルの中にとどまり、どこにも行かない） どういう こと？
ドリフトについて......それは基本中の基本で、バイアスとバリアンスのトレードオフ......そんな ことは全く関係ない。理解できないなら書くな。読んで、勉強してください。
謙虚に、謙虚に...
ノイズの発生を予測することは、売買のクラスマークを予測することよりも簡単です。
というのは、まさにその通りです。
ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。
偏りと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することで求められる
ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。
偏りと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することで求められる
外れ値を除去することは、非定常性と戦うことではない...。
排ガスを除去することは、不安定さとの戦いではない...。
出所の性質による。
ウラジミールは、（おそらく）非干渉性分布に属する例を投げ出して、非定常性と戦おうとしているようです。
バイアスと分散のトレードオフは、一定の分布（予測因子と出力の結合分布）を仮定することによって追求される
将来もモデルが機能することを前提にすると）ノイズを含むあらゆる種類の誤差が常に存在することになり、そのバランスを取ることが問題になります。ですから、私たちは本質的に同じことを話しているのです。
実は、私はこの問題を別の方法で解いていたので、リーディングクエスチョンを書いているわけです。