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 2567 1...256025612562256325642565256625672568256925702571257225732574...3399 新しいコメント Aleksey Nikolayev 2022.02.01 15:10 #25661 SanSanych Fomenko#: コチエ自体には興味がない。私は、予測者が先生を予測する能力に興味があります。私には、大多数のトレーダーの最大の間違いは、コタツそのものの問題を解決しようとすることだと思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。 予測因子と答えが明確に形式化されていれば、価格モデルは必要ないだろう。検索して構築されたものであれば、価格モデルが有効である。 Uladzimir Izerski 2022.02.01 18:30 #25662 Aleksey Nikolayev#: 予測因子と答えが明確に形式化されていれば、おそらく価格モデルは必要ないでしょう。求められて構築されているのであれば、価格モデルが有効である。 未来の市場モデルは、常に過去から形成される。過去と現在の世界経済や政治の状況によって、未来のモデルが形成されるのです。 経済の現状は、通貨成分の方向性を決める最初の要因です。FIRST重要人物の言葉が為替に与える影響については、疑う余地がない。 テスターでデータを寝かせた状態でも綺麗に見えます。 P.s.この記事の狙いは何？ 為替市場への影響を示す重要な指標のひとつは、まだ耳にしていないニュースです。ヒストリカルデータ＋現在のニュースによって新しいパターンが形成されるが、それは手口で想定されたものとは異なる。 つまり、行き詰まりは常に別のところにあるのです。 mytarmailS 2022.02.02 17:32 #25663 https://youtu.be/KxDZZjM6ltI Aleksey Nikolayev 2022.02.03 13:15 #25664 mytarmailS# : https://youtu.be/KxDZZjM6ltI まあ、古代に行くなら、アリストテレスとその本質の概念から始めるべきだったんだろうけど。 mytarmailS 2022.02.03 13:32 #25665 Aleksey Nikolayev#: まあ、時間を遡るのであれば、アリストテレスと彼の本質の概念から始めるべきでしたね。 全部見たんですか？ Aleksey Nikolayev 2022.02.03 13:59 #25666 mytarmailS#: 全部見ましたか？ ほとんど。定義とは、一般に「名目的な定義」と呼ばれるものを意味する。また、アリストテレスによれば、「本当の定義」、つまり本質がある。 mytarmailS 2022.02.03 14:20 #25667 Aleksey Nikolayev#: ほとんど。定義とは、彼の言う「名目上の定義」のことである。また、アリストテレスによれば、「本当の定義」あるいは「本質の定義」もある。 これが、講演全体から抽出された最も重要なことですか？ Aleksey Nikolayev 2022.02.03 14:48 #25668 mytarmailS#: それって本当に全講演の中から自分で選んだ大切なことなの？ 彼らの出発点よりも重要な理屈があるのだろうか?） コンテキストとセマンティクスの概念は古くから知られており、その複雑さや多層性も知られている。 MOアルゴリズムについては、すでに再トレーニングを実現するのに十分なほど複雑なネットワークのアーキテクチャを、さらに複雑にしただけのように思えるのですが......。） 神話の解釈も面白くないわけではありませんが、それにもオリジナリティがないんです。 mytarmailS 2022.02.04 07:02 #25669 アレクセイ ニコラエフ#:MOアルゴリズムについて - どうやら、すべてはネットワークアーキテクチャの複雑化に帰結するようです。 ジャッジはなぜジャッジするのか？もし著者が「ニューラルネットワークをベースにしたAIは作れない」と8回も言ったのなら、それはつまり---「どうやらネットワークアーキテクチャが複雑になっただけらしい」ということになる。おかしいな... Mihail Marchukajtes 2022.02.04 07:39 #25670 実は、問題を根本から見直すと、答えはもっとシンプルになるのです。 ターゲットに関係する入力データがあれば、NS機なら何でもいいんです。そして、入力データの記述精度が高いほど、ネットワークの学習 結果が良くなり、品質が変わらないまま運用できる期間が長くなる、などのメリットがあります。 つまり、MI分野の仕事の本質は、NSアーキテクチャや学習方法などのギミックを延々と探し続けることではなく、かなり動くAIをSELECTINGし、さらに良い学習結果やモデル全体の働きのために入力データを延々と探し続けることにあるのです。 これが、機械学習の現場である。人工知能システム（単なるNSではなく、AI）を選び、選んだシステムと一緒に、指定された目標関数に対する最適な入力を見つけること。あるデータがうまくいくこともあれば、正反対の変換で作られたデータもありますが、半年で差がつき、半年で平均化が進み、そのアラに適応する必要があるのです。 そうでない場合：もしシステム内の入力データと出力データの間に情報的関係がなければ、どのAIシステムも入力と出力の間の記述法則を構築することはできないので、入力と出力の間のREAL法則が原理的に存在しないため、提案されたすべてのモデルはランダムに動作するか否かを決定する。 1...256025612562256325642565256625672568256925702571257225732574...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
コチエ自体には興味がない。私は、予測者が先生を予測する能力に興味があります。私には、大多数のトレーダーの最大の間違いは、コタツそのものの問題を解決しようとすることだと思うのです。そして、先生の予知が必要なのです。これは全く別の問題です。
予測因子と答えが明確に形式化されていれば、価格モデルは必要ないだろう。検索して構築されたものであれば、価格モデルが有効である。
予測因子と答えが明確に形式化されていれば、おそらく価格モデルは必要ないでしょう。求められて構築されているのであれば、価格モデルが有効である。
未来の市場モデルは、常に過去から形成される。過去と現在の世界経済や政治の状況によって、未来のモデルが形成されるのです。
経済の現状は、通貨成分の方向性を決める最初の要因です。FIRST重要人物の言葉が為替に与える影響については、疑う余地がない。
テスターでデータを寝かせた状態でも綺麗に見えます。
P.s.この記事の狙いは何？
為替市場への影響を示す重要な指標のひとつは、まだ耳にしていないニュースです。ヒストリカルデータ＋現在のニュースによって新しいパターンが形成されるが、それは手口で想定されたものとは異なる。
つまり、行き詰まりは常に別のところにあるのです。
https://youtu.be/KxDZZjM6ltI
まあ、古代に行くなら、アリストテレスとその本質の概念から始めるべきだったんだろうけど。
まあ、時間を遡るのであれば、アリストテレスと彼の本質の概念から始めるべきでしたね。
全部見ましたか？
ほとんど。定義とは、一般に「名目的な定義」と呼ばれるものを意味する。また、アリストテレスによれば、「本当の定義」、つまり本質がある。
ほとんど。定義とは、彼の言う「名目上の定義」のことである。また、アリストテレスによれば、「本当の定義」あるいは「本質の定義」もある。
それって本当に全講演の中から自分で選んだ大切なことなの？
彼らの出発点よりも重要な理屈があるのだろうか?）
コンテキストとセマンティクスの概念は古くから知られており、その複雑さや多層性も知られている。
MOアルゴリズムについては、すでに再トレーニングを実現するのに十分なほど複雑なネットワークのアーキテクチャを、さらに複雑にしただけのように思えるのですが......。）
神話の解釈も面白くないわけではありませんが、それにもオリジナリティがないんです。
MOアルゴリズムについて - どうやら、すべてはネットワークアーキテクチャの複雑化に帰結するようです。
実は、問題を根本から見直すと、答えはもっとシンプルになるのです。
ターゲットに関係する入力データがあれば、NS機なら何でもいいんです。そして、入力データの記述精度が高いほど、ネットワークの学習 結果が良くなり、品質が変わらないまま運用できる期間が長くなる、などのメリットがあります。
つまり、MI分野の仕事の本質は、NSアーキテクチャや学習方法などのギミックを延々と探し続けることではなく、かなり動くAIをSELECTINGし、さらに良い学習結果やモデル全体の働きのために入力データを延々と探し続けることにあるのです。
これが、機械学習の現場である。人工知能システム（単なるNSではなく、AI）を選び、選んだシステムと一緒に、指定された目標関数に対する最適な入力を見つけること。あるデータがうまくいくこともあれば、正反対の変換で作られたデータもありますが、半年で差がつき、半年で平均化が進み、そのアラに適応する必要があるのです。
そうでない場合：もしシステム内の入力データと出力データの間に情報的関係がなければ、どのAIシステムも入力と出力の間の記述法則を構築することはできないので、入力と出力の間のREAL法則が原理的に存在しないため、提案されたすべてのモデルはランダムに動作するか否かを決定する。