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 2761

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
それらの記事には、意味のある機能選択は見られなかった。 山から選ぶのではなく、一度に有益なマークアップチップ・ターゲットを作るという意味での意味である。どのような特徴に対しても、ターゲットとなる特徴を選択することは可能である。これはインクリメントでは不可能である。ターゲット属性の下でターゲット属性を選択しなければならない。

ランダムとは、ディールをゼロからあらゆる方向に、結果に応じて異なる期間と夢を持ってシードすることである。

"意味のある"-これは私が与えた写真によると、"一度に有益なマークアップチップ-ターゲット " を作る。

意味のある」とはどういう意味ですか？

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

"意味のある "とは、私が引用した写真によるものであり、それこそが"有益なマークアップを一度にフィーチャーした " ものである。

で、"有意義 "ってどういう意味？

まあ、一度にやってくれるならオッケー。そこまでは覚えていない。なんていう記事だっけ？後で読むよ

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
まあ、すぐにやってくれるならいいんだけど。そうだったっけ。なんていう記事だっけ？後で読む

VLADIMIR PERERVENKOの 記事だ。彼はデータマイニングから始まる記事を一通り持っている。私の見解は、モデルそのものを除けば、多くの点で彼と一致している。我々のニーズには不相応に複雑だと思う。

[JeeyCi]

СанСаныч Фоменко #

"意味ある "とは、私が与えた写真によって、"一度に有益なマークアップのフィッシュターゲット "を作ることである。

ここから https://www.mql5.com/ru/articles/3507 の写真は、 いわゆる - Fig.12.2つの列車セットの変動と共分散

共分散から相関までが1ステップ。(でも、あなたは天才だし、みんなに怒られるから、自分でググってね）。あなたの概念装置に磨きがかかることを祈る。言葉の意味を理解すれば、あなたの専門用語の似非天才性も、あなたの主張の虚偽性も、一瞬にして消え去るだろう．あなたが叫んでも論理は変えられない。

-- 一般的に、このスレッドは変わっていない。依然として、自転車を発明し、天才であることを誇示しようとする、いわば「先駆者」である喉が裂けている...

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

ここでは、VLADIMIR PERERVENKOから。彼は、データマイニングから始まり、体系的に完全なサイクルの記事を持っている。私の視点は、モデルそのものを除けば、多くの点で彼と一致している。我々のニーズには不当に複雑だと思う。

特定の属性に対するターゲットのマークアップは見当たりませんでした。私たちは任意のラグでインクリメントを取る。それは特定のターゲットに対してのみ有益で、他のターゲットには有益ではない。

どの属性が特定のターゲットに適しているかチェックしたところだ。

[СанСаныч Фоменко]

Maxim Dmitrievsky #:
具体的な機能についての目標値のマークアップは 見られなかった。任意のラグでインクリメントを取る。それは特定のターゲットにのみ有益で、他のターゲットには有益ではない。

どの属性が特定のターゲットに適しているかをチェックしたところだ。

それが理解できない。マークアップとはどういう意味ですか？

ターゲットとプレディクターのペアは関連性があり、関連性があるからこそペアが存在する。そして、そのようなペアを見つけるのは十分に難しい。リンクが強ければ強いほど、フィッティングエラーは小さくなる。別のターゲットの場合、予測者の問題は異なる。

[Maxim Dmitrievsky]

СанСаныч Фоменко #:

それが理解できない。マーキングとはどういう意味ですか？

ターゲットとプレディクターのペアは関連性があり、関連性があるからこそペアが存在する。そして、そのようなペアを見つけるのは十分に難しい。リンクが強ければ強いほど、フィッティングの誤差は小さくなる。もう一方のターゲットについては、予測子の問題は異なる。

なぜなら、ターゲットの標識はインクリメント標識、つまり意味のない標識だからである。

そして何十、何百もの標識から、これらのターゲットに最も関連性のあるものを選ぶ。これは最も非効率的なアプローチだが、それなりの意味はある。

つまり、猫と犬を2つのクラスに分類する。そして特徴量として、ラクダのひづめ、魚のしっぽ、おっぱい、ティースプーン、光の速さなどを入力する。勿論、時には入ることもあるが、それは非常に難しい。

インクリメントの兆候は、予測される特定の物体ではなく、そのごく一部、たとえば脚であるからだ。この脚は犬のものであることもあるが、瞬間的には猫のものである。

それゆえ、あらゆるものをハードに総当たりで探すか、形質に基づいて本質的に構築されたターゲットが存在する。

プラドはその著書の中で、クラスをより明確に区別するために、三重の壁を越えたクラス・マークアップを初めて試みた。しかし、このアプローチは私にはまだ素朴に思える。

[Valeriy Yastremskiy]

Maxim Dmitrievsky #:

最初は、あなたのサインはターゲット・サインに属さない。なぜなら、ターゲット・サインはインクリメント・サイン、つまり意味のないサインだからである。

それから、何十、何百という標識の中から、ターゲットに最もふさわしいものを選ぶ。これは最も非効率的な方法だが、それなりの意味はある。

つまり、猫と犬を2つのクラスに分類する。そして特徴量として、ラクダのひづめ、魚のしっぽ、おっぱい、ティースプーン、光の速さなどを入力する。勿論、時には入ることもあるが、それは非常に難しい。

インクリメントの兆候は、予測される特定の物体ではなく、そのごく一部、たとえば脚であるからだ。この脚は犬のものであることもあるが、瞬間的には猫のものである。

したがって、あらゆるものをハードに総当たりで探すか、特徴に基づいて本質的に構築されたターゲットが存在するかのどちらかである。

間違っていればいいのだが、私の印象では、形質というものは同じようには理解されていないようだ。

[Maxim Dmitrievsky]

Valeriy Yastremskiy #:
間違っていればいいのだが、属性は同じようには理解されていないような気がする。

特徴量はNSの入力に供給されるもので、クラス・ラベルは出力に供給される。

特徴は、分類される対象に関する部分的な情報を表すものでなければなりません。それが特徴である理由です。

私が思うに、何が正確に分類されるのかが定義されていない限り、これら100の空想的なフィッティングの方法はすべて同じ結果を与えるだろう。

[Ivan Butko]

Maxim Dmitrievsky #:
形質はNSの入力に供給され、クラス・ラベルは出力に供給される。

特徴とは、 分類される対象に関する部分的な情報を表すものでなければならない。言うなれば記章だ。

私が思うに、何が正確に分類されているのかが定義されていない限り、これら100の空想的なフィッティングの方法はすべて同じ結果をもたらすだろう。

間接的なサインは可能か？例えば、猫と犬はよく喧嘩をするが、犬は猫を追いかけることが多い。私たちに与えられたのは、2つの物体とその動きである。課題は、どちらが猫でどちらが犬かを判断することである。一方が猫で、もう一方が犬であることは確かだが、そのシルエットは見えないし、音も聞こえない。私たちは神経回路網に物体の前後運動（BUY-SELL）を与える。思考」と重みの乗算の過程で、ニューラルネットワークは、一方の物体は常に前を走り、もう一方はその後ろを走っている（MA_5[0] > MA_10[0]）と分類し、「今、犬は前を走っているのか」という仮定を立てた。実際のデータでそれをチェックし、答えを得た（NO）。データを修正し、それを猫だと仮定し、チェックした（YES）。これでニューラルネットワークは、物体の戦いと動きによって、誰が猫で誰が犬かを判断する方法を知った。同時に、前足、毛の切れ端、歯、吠え声、鳴き声は与えられていない。

つまり、ニューラルネットワークは多くのものを与えられ、何かを見つけ、必要な答えを出すような方法（エルキュール・ポワロ）でそれを見つけることができるようだ。つまり、この場合の特徴は、分類される対象に関する部分的な情報を表しているのではなく、解が可能なのである。