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 3016 1...300930103011301230133014301530163017301830193020302130223023...3399 新しいコメント Maxim Dmitrievsky 2023.04.10 11:13 #30151 Aleksey Vyazmikin #:一方、木は独自に作られ、その答えは葉の中で量られる。私は森ではなく、一本の木を扱ったことがある。遺伝学上の森というのは聞いたことがない。 そうか、それならフォレストを使う意味がない。 遺伝子の木と普通の木の違い、利点は何ですか? Forester 2023.04.10 11:50 #30152 Aleksey Vyazmikin #:森林がありますが、モデルを構築した後に再重量化しますか?それとも活性化した葉の平均値を取るのですか?そこがポイントで、リーフを選択するときは、歴史的な応答分布の安定性と均一性を考慮します。二次元的な指標を作り、それを総合的に評価する。従って、反応がない葉は私にとって極めて稀な出来事です。葉を保存し、何千もの木を作り、それらだけで作業することは簡単にできるように思えます。そうですね。 スピードのために1本のツリーを使うこともあります。。すべての木の平均が必要なもの以上であれば、バランス計算に使います。 。 均一性はどのように測るのですか?最初と最後のバランスポイント間の直線からの偏差?また、おそらく合計にバランスを掛けるべきでしょうか? Aleksey Vyazmikin 2023.04.10 12:28 #30153 Maxim Dmitrievsky #:そうか、それならフォレストを使う意味がない。遺伝ツリーと普通のツリーの違い、利点は何ですか? 最良の予測分割ではなく、最良の予測分割の異なる変種を使用しようとする点で異なります。この方法では、分割は順次行われ、評価の 成功は、アルゴリズムを正しく理解していれば、葉で 行われます。成功した生成から、リーフに近い予測子が切り離され、構築が再試行されます。私は作者ではないので、アルゴリズムそのものを詳しく分析することはできない。しかし、アイデアによれば、このアプローチは理論的にはランダム化よりも優れている。 Aleksey Vyazmikin 2023.04.10 12:35 #30154 Forester #: スピードのために1本の木を使うこともある。 全木の平均>希望であれば、バランス計算に使う。 均一性はどのように測るのですか?最初と最後のバランスポイント間の直線からの偏差?また、おそらく合計にバランスを掛ける必要があるのでは? 私の記憶では、サンプルは年ごとに分割され、財務指標によってバランスシートが作成されます。各バランスシートは、おっしゃるトピックを含むさまざまな指標によって評価され、許容基準があり、すべてのセクション(私の場合は年)ですべてが良好であれば、そのリーフはリーフベースに受け入れられます。 Forester 2023.04.10 13:52 #30155 Aleksey Vyazmikin #:私の記憶では、サンプルは年ごとに分けられ、財務指標によってバランスシートが作成され、それぞれのバランスシートは、あなたがおっしゃったトピックを含むさまざまな指標によって評価され、入会基準があり、すべての区画(私の場合は年)ですべてが良ければ、その葉は葉のベースに受け入れられる。 、、、むむむむらのむいてむむらのむらのむらのむらのむらのむすび葉の例は1年全体を均等に表しているわけではなく、例えば1月は2例、2月は27例、12月は555例です。 全葉のバランスラインを基準にすると、この葉の12月は明らかに主成長となり、直線からの乖離が非常に強くなる。 この1葉のみのバランスラインを基準にすれば、均一性は得られるが、全体の均一性への参加は判断しにくい。 Aleksey Vyazmikin 2023.04.10 14:05 #30156 Forester #:1枚のシートは何の関係があるのでしょうか?一枚の葉の例は一年を通して均等ではなく、例えば1月は2例、2月は27例、12月は555例である。 全葉のバランスラインを基準にすると、この葉では12月が明らかに主成長となり、直線からの乖離が非常に強くなる。 この1葉のみのバランスラインを基準にすれば、均一性は得られるが、全体的な均一性の参加は難しい。もちろん間隔があるわけで、それを小さくとればとるほど、例が極端に少なくなる可能性が高くなる。この問題については、ある程度の合理性のバランスが必要であり、私はその時点で、シートが効果を発揮するには1年が最適だと判断した。特に上位のTFを記述する予測因子がある場合、シグナルが全くない月があるのは一般的に普通である。 葉をアンサンブルに結合するのは別の作業である。 mytarmailS 2023.04.10 14:07 #30157 ちょっとしたスラッシュだ(笑)。 Vladimir Perervenko 2023.04.10 15:12 #30158 木を見て森を見ずとはよく言ったものだ。しかし、葉の間から木を見ることができるのだろうか? 森について聞いているのではない。 あなたが知っているアルゴリズムはこれだけですか?それとも最も効率的なのか?なぜそれにこだわる? 一過性の考えだ。 幸運を祈る。 mytarmailS 2023.04.10 16:48 #30159 Vladimir Perervenko #:木を見て森を見ずとはよく言ったものだ。葉っぱを摘んで木が見えるかどうか。 森について聞いているのではない。あなたが知っているアルゴリズムはこれだけですか?それとも最も効率的なのか?なぜそれにこだわる?一過性の考えだ。幸運を祈る 1) 木製のものからルールを抽出し、それぞれの統計を計算することができる。 2) 木造の人は学習が早い、NSはそうではない mytarmailS 2023.04.10 17:03 #30160 背景を知れば、移動平均線でも取引できるなんて、誰が想像できただろう))))。 エントリー価格とエグジット価格はマッシュカとオルクによって計算される。 脳は( 今のところ)最強の手口です。 1...300930103011301230133014301530163017301830193020302130223023...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
一方、木は独自に作られ、その答えは葉の中で量られる。私は森ではなく、一本の木を扱ったことがある。遺伝学上の森というのは聞いたことがない。
そうか、それならフォレストを使う意味がない。
遺伝子の木と普通の木の違い、利点は何ですか?
森林がありますが、モデルを構築した後に再重量化しますか?それとも活性化した葉の平均値を取るのですか?
そこがポイントで、リーフを選択するときは、歴史的な応答分布の安定性と均一性を考慮します。二次元的な指標を作り、それを総合的に評価する。従って、反応がない葉は私にとって極めて稀な出来事です。
葉を保存し、何千もの木を作り、それらだけで作業することは簡単にできるように思えます。
。すべての木の平均が必要なもの以上であれば、バランス計算に使います。
。
均一性はどのように測るのですか?最初と最後のバランスポイント間の直線からの偏差?また、おそらく合計にバランスを掛けるべきでしょうか?
そうか、それならフォレストを使う意味がない。
遺伝ツリーと普通のツリーの違い、利点は何ですか?
最良の予測分割ではなく、最良の予測分割の異なる変種を使用しようとする点で異なります。この方法では、分割は順次行われ、評価の 成功は、アルゴリズムを正しく理解していれば、葉で 行われます。成功した生成から、リーフに近い予測子が切り離され、構築が再試行されます。私は作者ではないので、アルゴリズムそのものを詳しく分析することはできない。しかし、アイデアによれば、このアプローチは理論的にはランダム化よりも優れている。
スピードのために1本の木を使うこともある。
全木の平均>希望であれば、バランス計算に使う。
均一性はどのように測るのですか?最初と最後のバランスポイント間の直線からの偏差?また、おそらく合計にバランスを掛ける必要があるのでは?
私の記憶では、サンプルは年ごとに分割され、財務指標によってバランスシートが作成されます。各バランスシートは、おっしゃるトピックを含むさまざまな指標によって評価され、許容基準があり、すべてのセクション(私の場合は年)ですべてが良好であれば、そのリーフはリーフベースに受け入れられます。
私の記憶では、サンプルは年ごとに分けられ、財務指標によってバランスシートが作成され、それぞれのバランスシートは、あなたがおっしゃったトピックを含むさまざまな指標によって評価され、入会基準があり、すべての区画(私の場合は年)ですべてが良ければ、その葉は葉のベースに受け入れられる。
、、、むむむむらのむいてむむらのむらのむらのむらのむらのむすび葉の例は1年全体を均等に表しているわけではなく、例えば1月は2例、2月は27例、12月は555例です。
全葉のバランスラインを基準にすると、この葉の12月は明らかに主成長となり、直線からの乖離が非常に強くなる。
この1葉のみのバランスラインを基準にすれば、均一性は得られるが、全体の均一性への参加は判断しにくい。
1枚のシートは何の関係があるのでしょうか?一枚の葉の例は一年を通して均等ではなく、例えば1月は2例、2月は27例、12月は555例である。
全葉のバランスラインを基準にすると、この葉では12月が明らかに主成長となり、直線からの乖離が非常に強くなる。
この1葉のみのバランスラインを基準にすれば、均一性は得られるが、全体的な均一性の参加は難しい。
もちろん間隔があるわけで、それを小さくとればとるほど、例が極端に少なくなる可能性が高くなる。この問題については、ある程度の合理性のバランスが必要であり、私はその時点で、シートが効果を発揮するには1年が最適だと判断した。特に上位のTFを記述する予測因子がある場合、シグナルが全くない月があるのは一般的に普通である。
葉をアンサンブルに結合するのは別の作業である。木を見て森を見ずとはよく言ったものだ。しかし、葉の間から木を見ることができるのだろうか? 森について聞いているのではない。
あなたが知っているアルゴリズムはこれだけですか?それとも最も効率的なのか?なぜそれにこだわる?
一過性の考えだ。
幸運を祈る。
木を見て森を見ずとはよく言ったものだ。葉っぱを摘んで木が見えるかどうか。 森について聞いているのではない。
あなたが知っているアルゴリズムはこれだけですか?それとも最も効率的なのか?なぜそれにこだわる?
一過性の考えだ。
幸運を祈る
1) 木製のものからルールを抽出し、それぞれの統計を計算することができる。
2) 木造の人は学習が早い、NSはそうではない
背景を知れば、移動平均線でも取引できるなんて、誰が想像できただろう))))。
エントリー価格とエグジット価格はマッシュカとオルクによって計算される。
脳は( 今のところ)最強の手口です。