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 2585 1...257825792580258125822583258425852586258725882589259025912592...3399 新しいコメント Aleksey Nikolayev 2022.02.17 06:50 #25841 Maxim Dmitrievsky#: 面白いけど、どこから手をつければいいのかわからない。損失は、市場パターンに関する何らかの概念に基づいているはずだ、らしい。例えば、ボラティリティの補正をすることができます。 ロジスティック回帰による2つのクラス(入口/出口)への分類と、少数の属性からなる、非常にシンプルなものから始めようと思っています。ただ、なぜこの話題があまり盛り上がらないのかが気になるところです。 mytarmailS 2022.02.17 07:13 #25842 Maxim Dmitrievsky#: モデルを選択するためにカスタムメトリクスが使用されますが、学習は依然として標準的なメトリクス(例えば分類のためのlogloss)によって行われます。なぜなら、標準的なメトリクスは特徴とターゲットの関係に関係するのに対し、あなたのメトリクスは関係しないからです。そして、ここで、シャープ比やR2でモデルを選択するのか、それらを最大化したときに直ちに学習を停止するのか、ちょっと不明です。両方できるかもしれませんね。 完全な誤謬、なんだか恥ずかしいな...。 Aleksey Nikolayev#: それでも、標準的な指標を完全に排除して、メタトレーダーの最適化で使用されるものと同様のものに置き換えるという実験も面白いかもしれませんね。 FITNESS FUNCTIONでAMOを鍛える方がいい!というのは、半年以上前から言っていることなんです。 Maxim Dmitrievsky 2022.02.17 07:16 #25843 mytarmailS#: 完全な妄想、なんだか恥ずかしいな...。 カスタムメトリクスも充実していますが、ログロスを最小化することに主眼が置かれています。カスタムのものによる学習を止めると、そうなります。ベースとカスタムを合わせるのは素晴らしい、騒ぐ意味がない。学ぶ、学生 mytarmailS 2022.02.17 07:35 #25844 Maxim Dmitrievsky#: あなたは今、全世界のコミュニティに対する日本の恥を表現しました。 ) カスタムメトリクスの大規模なセットがありますが、主なトレーニングはloglossを最小にすることです。カスタムによる学習を止めると、そうなります。ベースとカスタムを合わせるのは素晴らしい、騒ぐ意味がない。勉強、学生。 私は生涯勉強です。 Maxim Dmitrievsky 2022.02.17 07:39 #25845 mytarmailS#: 勉強中、生涯学習中 Loglossは、私の理解では、形質とターゲットの相互情報量を示しています。これは、依存の形を書かず、最も客観的なf-iである。モデルはそのような情報の損失を最小限にするように学習され、特にブースティングはそのように機能します。カスタムの上に追加したものは、トレーニング中に停止します。 mytarmailS 2022.02.17 07:48 #25846 Maxim Dmitrievsky#: Loglossは、私の理解する限り、形質と対象との相互情報量を示しています。これは、依存性のタイプを記述することなく、最も客観的なf値である。特にブースティングは、このような情報の損失を最小限に抑えるようにモデルを学習させる。 例... 特徴量データフレーム"X" があります。 モデル "M "があります。 5つの時系列 "tc5 "があります。 その課題とは モデル「M」は「X」を入力とする(すべて通常通り) と "M "が出力する2つのベクトル。 1) 最大限の静電容量 2) すべての "Мc5 "ベクトルとなるべく相関しないようにする。 通常の形態でのターゲティングではなく、モデルの出力に対する要求があるのですね...。我々は、価格、ZZ、リターンなどを予測しているわけではなく、それは全く別の曲です。 ブーストを箱から出して、どのように解決するのでしょうか? Maxim Dmitrievsky 2022.02.17 08:01 #25847 mytarmailS#: 例特徴量データフレーム"X" があります。パターン "M "があります。5つの時系列 "tc5 "があります。その課題とはモデル「M」は「X」を入力とする(すべて通常通り)と "M "が出力する2つのベクトル。1) 最大限の静電容量2) は、すべての "Мc5 "ベクトルと相関がない。通常の形態でのターゲティングではなく、モデルの出力に対する要求があるのですね...。私たちは、価格、ZZ、リターン、prを予測するのではなく、それは全く別の曲です。そんなことを、いきなりブーストで解決するんですか? 目標をオーバーシュートさせることで、タスクが逆回転する mytarmailS 2022.02.17 08:03 #25848 Maxim Dmitrievsky#: ターゲットを列挙することで、タスクは逆になる。 1) 数百万回モデルを訓練して、何が起こるか見る?2) エニュメレーションの対象はどこで手に入れるのですか?3) ブースターが箱から出しても出力が1つなのに、どうやってモデルから2つ(または22個)の出力を得ることができるのでしょうか? Maxim Dmitrievsky 2022.02.17 08:09 #25849 mytarmailS#: 1) 数百万回モデルを教えて、何が起こるか見るのですか?2) リビルドのターゲット出力はどこから得ているのですか?3) ブースターの出力が1つの場合、どのようにしてモデルから2つ(または22個)の出力を得るのですか? ええ、まあ、ターゲットは天井から取るか、F-Uです。説明を読む限りでは、トレーニングを逆算してやっているんですね。クラシックのどこが優れているのか、その答えが欲しいところです。 mytarmailS 2022.02.17 08:22 #25850 Maxim Dmitrievsky#: はい、まあ、天井からターゲットテイク、もしくはf-uです。説明を読む限りでは、トレーニングを逆算してやっているんですね。古典的なものと比べて何が優れているのか、この質問に答える必要があります。 )))) 出てきた) 1...257825792580258125822583258425852586258725882589259025912592...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
面白いけど、どこから手をつければいいのかわからない。損失は、市場パターンに関する何らかの概念に基づいているはずだ、らしい。例えば、ボラティリティの補正をすることができます。
ロジスティック回帰による2つのクラス(入口/出口)への分類と、少数の属性からなる、非常にシンプルなものから始めようと思っています。ただ、なぜこの話題があまり盛り上がらないのかが気になるところです。
モデルを選択するためにカスタムメトリクスが使用されますが、学習は依然として標準的なメトリクス(例えば分類のためのlogloss)によって行われます。なぜなら、標準的なメトリクスは特徴とターゲットの関係に関係するのに対し、あなたのメトリクスは関係しないからです。そして、ここで、シャープ比やR2でモデルを選択するのか、それらを最大化したときに直ちに学習を停止するのか、ちょっと不明です。両方できるかもしれませんね。
完全な誤謬、なんだか恥ずかしいな...。
それでも、標準的な指標を完全に排除して、メタトレーダーの最適化で使用されるものと同様のものに置き換えるという実験も面白いかもしれませんね。
FITNESS FUNCTIONでAMOを鍛える方がいい!というのは、半年以上前から言っていることなんです。
完全な妄想、なんだか恥ずかしいな...。
あなたは今、全世界のコミュニティに対する日本の恥を表現しました。 ) カスタムメトリクスの大規模なセットがありますが、主なトレーニングはloglossを最小にすることです。カスタムによる学習を止めると、そうなります。ベースとカスタムを合わせるのは素晴らしい、騒ぐ意味がない。勉強、学生。
私は生涯勉強です。
勉強中、生涯学習中
Loglossは、私の理解する限り、形質と対象との相互情報量を示しています。これは、依存性のタイプを記述することなく、最も客観的なf値である。特にブースティングは、このような情報の損失を最小限に抑えるようにモデルを学習させる。
例...
特徴量データフレーム"X" があります。
モデル "M "があります。
5つの時系列 "tc5 "があります。
その課題とは
モデル「M」は「X」を入力とする(すべて通常通り)
と "M "が出力する2つのベクトル。
1) 最大限の静電容量
2) すべての "Мc5 "ベクトルとなるべく相関しないようにする。
通常の形態でのターゲティングではなく、モデルの出力に対する要求があるのですね...。
我々は、価格、ZZ、リターンなどを予測しているわけではなく、それは全く別の曲です。
ブーストを箱から出して、どのように解決するのでしょうか?
例
特徴量データフレーム"X" があります。
パターン "M "があります。
5つの時系列 "tc5 "があります。
その課題とは
モデル「M」は「X」を入力とする(すべて通常通り)
と "M "が出力する2つのベクトル。
1) 最大限の静電容量
2) は、すべての "Мc5 "ベクトルと相関がない。
通常の形態でのターゲティングではなく、モデルの出力に対する要求があるのですね...。
私たちは、価格、ZZ、リターン、prを予測するのではなく、それは全く別の曲です。
そんなことを、いきなりブーストで解決するんですか?
ターゲットを列挙することで、タスクは逆になる。
1) 数百万回モデルを教えて、何が起こるか見るのですか?
はい、まあ、天井からターゲットテイク、もしくはf-uです。説明を読む限りでは、トレーニングを逆算してやっているんですね。古典的なものと比べて何が優れているのか、この質問に答える必要があります。
))))
出てきた)