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 2793 1...278627872788278927902791279227932794279527962797279827992800...3399 新しいコメント Forester 2022.10.19 13:17 #27921 СанСаныч Фоменко #:モデルの性能指標を推定するという意味であれば、最終的な推定値を持つべきだ。しかし、すべてを凌駕するニュアンスが一つある。性能でモデルを評価するということは、過去のデータで評価するということです。しかし、そのモデルが将来どのように振る舞うのか? バルブ・フォワード・テストで評価する。 СанСаныч Фоменко 2022.10.19 13:30 #27922 elibrarius #:ウォーキング・フォワードをテストで評価する。 群れ全体の評価だ。そして粗悪な羊は一頭ずつ淘汰される。 Forester 2022.10.19 13:52 #27923 СанСаныч Фоменко #:群れ全体の評価だ。そして粗悪な羊は一匹ずつ淘汰される。 50の特徴=50回の歩行採食テストで、1回に1つの特徴を取り除く。長いが、結果はモデルによって得られる。 Maxim Dmitrievsky 2022.10.19 15:09 #27924 500本の棒で推定することは統計学ではまったくない。 СанСаныч Фоменко 2022.10.19 15:20 #27925 elibrarius #: 50の小説=50のヴァルキング・フォヴァード・テスト。長くなるが、結果はモデルによって得られる。 この方法で結果が得られるのは、特徴が完全に独立した場合だけであり、そのようなことは起こらない。 СанСаныч Фоменко 2022.10.19 15:22 #27926 Maxim Dmitrievsky #:500本の棒で推定することは統計学ではまったくなく、大数の法則によって何でも当てはめることができる。 予測能力を評価するには十分です。スライディング・ウィンドウ技術を使って、20%までの予測誤差を与えるフィッシュを選択することが可能です。 Forester 2022.10.19 15:31 #27927 СанСаныч Фоменко #:この方法で結果を出せるのは、機能が完全に独立している場合だけで、そううまくはいかない。 同じデータをパッケージに投入する。何も得られないのですか? СанСаныч Фоменко 2022.10.19 16:17 #27928 elibrarius #: 同じデータをパケットに入力する。何も得られないのか? 前処理として、相関のあるチップを取り除く。170個のうち、相関が 75% 以上(!) でなければ約50個が残る。相関関係が50%以下だと、数個が残る。しかし、相関のないチップを集めることを目標にしたわけではありません。 Forester 2022.10.19 16:24 #27929 СанСаныч Фоменко #:前処理として、相関のある特徴を取り除く。170個のうち、相関が 75% 以上(!) でなければ50個ほどが残る。相関が50%以下であれば、数個が残る。しかし、相関のないフィーチャーを集めることを目標にしたわけではない。 この50個はモデルでチェックできる。 СанСаныч Фоменко 2022.10.19 16:53 #27930 elibrarius #: この50はモデルでチェックできるものだ。 つまり相関関係がある!結果は、特徴を捨てる順番による。 1...278627872788278927902791279227932794279527962797279827992800...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
モデルの性能指標を推定するという意味であれば、最終的な推定値を持つべきだ。
しかし、すべてを凌駕するニュアンスが一つある。
性能でモデルを評価するということは、過去のデータで評価するということです。しかし、そのモデルが将来どのように振る舞うのか?
バルブ・フォワード・テストで評価する。
ウォーキング・フォワードをテストで評価する。
群れ全体の評価だ。そして粗悪な羊は一頭ずつ淘汰される。
群れ全体の評価だ。そして粗悪な羊は一匹ずつ淘汰される。
500本の棒で推定することは統計学ではまったくない。
50の小説=50のヴァルキング・フォヴァード・テスト。長くなるが、結果はモデルによって得られる。
この方法で結果が得られるのは、特徴が完全に独立した場合だけであり、そのようなことは起こらない。
500本の棒で推定することは統計学ではまったくなく、大数の法則によって何でも当てはめることができる。
予測能力を評価するには十分です。スライディング・ウィンドウ技術を使って、20%までの予測誤差を与えるフィッシュを選択することが可能です。
この方法で結果を出せるのは、機能が完全に独立している場合だけで、そううまくはいかない。
同じデータをパケットに入力する。何も得られないのか?
前処理として、相関のあるチップを取り除く。170個のうち、相関が 75% 以上(!) でなければ約50個が残る。相関関係が50%以下だと、数個が残る。しかし、相関のないチップを集めることを目標にしたわけではありません。
前処理として、相関のある特徴を取り除く。170個のうち、相関が 75% 以上(!) でなければ50個ほどが残る。相関が50%以下であれば、数個が残る。しかし、相関のないフィーチャーを集めることを目標にしたわけではない。
この50はモデルでチェックできるものだ。
つまり相関関係がある!結果は、特徴を捨てる順番による。