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 2627

[mytarmailS]

elibrarius #:
属性の重要性を評価する方法をいくつか比較していた のです。最もリソースを消費する、属性を1つずつ削除していくモデルの学習をベンチマークとしました。高速な方法は、ベンチマークと一致しない。そして、それらは互いに一致しない。fselectorはさらに速いので、こちらも何もマッチしないと思います。

かっこいい...

では、500行、1000属性の市場データの重要度を計算すると...。

20年後、何を手に入れたか教えてください。

それと、経年変化による属性の変化という問題とどう関係があるのでしょうか？

[Forester]

mytarmailS #:

ムービングウィンドウにおけるサインの重要性（指標と価格）

ある瞬間には10％、別の瞬間には0.05％の重要性を持つ、それが人生の真理である)

あなたが交差評価ですべてを解決すると思うならば、あなたは赤面すべきです、それは時間です...

クロスバリデーションと何の関係があるのかが不明です？
各モデルには、スライディングウィンドウ内のデータが使用される。
クロスバリデーションは、異なるデータで学習させた複数のモデルの学習結果を一致させるために使用される。
スライディングウィンドウ以外のデータに対するモデルも、そのデータの異なるチャンクで学習させ、同様にクロスバリデーションを得ることができる。

[Valeriy Yastremskiy]

elibrarius #:
不明です。クロスバリデーションと何か関係があるのでしょうか？各モデルには、スライディングウィンドウ内のデータが使用される。クロスバリデーションは、異なるデータで学習させた複数のモデルの学習結果をドッキングさせるために使用される。スライディングウィンドウ以外のデータに対するモデルも、そのデータの異なるチャンクで学習させ、同様にクロスバリデーションを得ることができる。

ここでは、同じ幅のスライディングウィンドウでは問題が解決されないという考え方です。一段階ごとにウィンドウの幅を変えながら、一次元ごとにランを増やしていくのがよいでしょう。また呪われてる)))

[mytarmailS]

elibrarius #:
クロスバリデーションと何の関係があるのですか？各モデルには、スライディングウィンドウ内のデータが使用される。クロスバリデーションは、異なるデータで学習させた複数のモデルの学習結果を一致させるために使用される。スライディングウィンドウ以外のデータに対するモデルも、そのデータの異なるチャンクで学習させ、クロスバリデーションを得ることができる。

まだ起きてないのかよ！))

属性の重要度が非常に変化することが理解できれば、クロスバリデーションの意味がないわけですから、何がはっきりしないのか、書かれていますね。

[Forester]

mytarmailS #:
かっこいい...

では、500行、1000属性の市場データの重要度を計算してみると...。

20年後、何を手に入れたか教えてください。

小さなデータでのテストでは、高速な方法はうまく機能しないことがわかります。
重要度スコアは何のためにあるのですか？そこで、重要でないものを取り除くことで、品質を落とさずに、今後より速く モデルを学習 させることが可能になります。すでに動いているデータやモデルをチューニングしているだけなのです。そして、あなたも私も（私の推測では）まだ何もチューニングしていません。
。

だから、モデルを教えるだけでいいんです。モデルは重要なものを使い、重要でないものは使いません。

[Forester]

mytarmailS #:
まだ起きてないのかよ！))

符号の重要度が非常に変化することを理解していれば、クロスバリデーションの意味がない、そう書いてある、何が理解できないのだろう

Awake)
私は反対です。
クロスバリデーションとは、ある履歴でたまたま成功したモデルを捨て去ることです。いくつかの履歴の塊でテストしてみると、そこではうまくいかないことがわかるかもしれません。
クロスバリデーションだけで、標識とモデルが浮いていることがわかります。
この「浮き」は、私にとっては別の方法、クロスバリデーションによって示されるものです。

[Forester]

私自身は純粋なクロスバリデーションではなく、バルブフォワードを使用しています。つまり、円形ではなく、前方のみにシフトするのです。

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:

ここでは、同じ幅のスライディングウィンドウでは問題が解決されないという考え方です。一段階ごとにウィンドウの幅を変えながら、一次元ごとにランを増やしていくのがよいでしょう。またか)))

くそー！太陽が外に出てきたぞ！水着を着て庭に行く時間だ

[mytarmailS]

elibrarius #:
小さなデータでのテストでは、高速な方法はうまく機能しないことがわかりました。重要度テストは何のために行うのですか？そのため、重要でないものを取り除くことで、品質を落とすことなく、将来的にモデルを
より速く学習 させることができるのです。すでに動いているデータやモデルをチューニングしているだけなのです。そして、あなたも私も（推測ですが）他にチューニングするものがないのです。 。

だから、私は単純にモデルを教えるだけです。モデル自身は、重要なものは使い、重要でないものは使いません。

出力に品質特徴を生成するニューロンを作りたい場合はどうすればいいのでしょうか？

思いもよらないことだと思いますが、もう結論はすべて出ているんですね。

[Forester]

mytarmailS #:
質的な出力を生成するニューロンを作りたい場合はどうすればよいのでしょうか。

そんなことは思いもよらなかっただろうが、あなたはすでにすべての結論を導き出してくれている

思い当たる節がない。自分で実験して初めて結論を出す。実験頑張ってください。
クロスバリデーション（バルブフォワード）については、なぜダメなのか、まだ説明されていませんね。私の実験では、悪いモデルやアイデアを排除するための有効な方法であることがわかりました。