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 302 1...295296297298299300301302303304305306307308309...3399 新しいコメント mytarmailS 2017.03.29 17:01 #3011 アンドレイ面白いスレッドですね。たくさんの戯言があるが、賢い考えもある。ありがとうございます。+ Yuriy Asaulenko 2017.03.29 17:22 #3012 アレクサンドル・イワノフ)))要はコミュニケーションとプロセスです。すでにニューラルボットを作っている人もいるようです。試してみたいのは.残念ながら、このテーマへの参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。そして、これまで扱ったことのない人は、この情報の海で溺れてしまうこともあるのです)。また、投射物に対するシステマチックなアプローチが求められるので、バラバラに拾いたくはないのです。しかし、これまでのところ、まとまった体系化された情報は見つかっていません。 toxic 2017.03.29 17:32 #3013 サンサニッチ・フォメンコ 私にとっては、予測誤差は主要な問題ではありません。私にとっては、モデルの再トレーニングが一番の問題です。モデルが再トレーニングされていないというかすかな証拠でもあれば、モデルはまったく必要ないのです。私はこのスレッドで何度もオーバーフィッティングの診断とオーバーフィッティングに対処するためのツールについて書いてきました(他のスレッドも同様です)。要するに、入力予測変数のノイズをクリアにすることであり、モデルそのものは二の次なのです。オーバートレーニングを考慮しない結果は、今はまあまあ、明日はもしかしたら、明日以降はデポが排出されるから、それ以外は興味がないのです。 テストで(トレーニングサンプルのうち)良い回転数が出れば、すべてOKです。オーバーフィードはある意味避けることはできず、許容範囲内に抑えるしかない。 追記 :Mihail Marchukajtes 氏がReshetov分類器がクールであることを証明するために提供 されたので、あなたも試してみてはいかがでしょうか。) СанСаныч Фоменко 2017.03.29 17:51 #3014 以下はその例 です。 まあ、過食というのは、ラーンとテストのゲージが違う場合であって、テスト(トレーニングサンプル以外)のゲージが良ければ、すべてOKなんです。ある意味、過剰給餌を避けることは全くできず、許容範囲内に抑えることしかできないのです。 追記: Mihail Marchukajtes 氏がReshetov分類器の急峻性を証明するために提供されたので、あなたも試してみてください、このデータから65%以上の精度を得られる人が現れるかもしれませんね) )) テスターとは、ある仕上げの作業です。そして、TCの性能の信頼区間が必要です。ユーリイ・アサウレンコ残念ながら、この分野への参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。そして、これまで扱ったことのない人は、この情報の海で溺れてしまうかもしれません)。そして、断片的なものを拾っていくのではなく、ある程度システマチックに道具を使うことが必要なのです。しかし、これまでのところ、まとまった体系化された情報は見つかっていません。そうではありません。系統性とは、初期データの準備、モデルの適合、そのモデルの評価など、あらゆるものを利用することである。第一近似的には、これはすべてラトルを与える - あなたはそれを見て、周りに遊ぶことができます。私の記事を 参考にしていただければ、インストラクションだけでなく、演習のデータもあるので、労力は最小限(全部で2~3時間)です。 toxic 2017.03.29 18:00 #3015 ユーリイ・アサウレンコ残念ながら、このテーマへの参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。そして、これまで扱ったことのない人は、この情報の海で溺れてしまうこともあるのです)。そして、断片的なものを拾っていくのではなく、ある程度システマチックに道具を使うことが必要なのです。しかし、これまでのところ、まとまった体系化された情報は見つかっていません。私たちの世界は、トピックの収益性が、トピックへの参入の敷居の高さの単調な関数であるような構造になっているのである。参入の敷居が高ければ高いほど(必ずしも概念の複雑さではなく、お金、社会的なつながり、地理的な位置などによるかもしれません)、より潜在的に有益な取引となります。多くの人にとって簡単なものは、原則としてコストが低く、あらゆる種類の贅沢はもちろんのこと、大人一人を養うことさえできないのです。 Yuriy Asaulenko 2017.03.29 18:21 #3016 やればやるほど、逃げ場がなくなる。私たちの世界の仕組みは、あるトピックの収益性は、そのトピックへの参入閾値の高さの単調関数であるということです。参入の敷居が高い(必ずしも概念の複雑さではなく、資金、社会的なつながり、地理的な位置などでもよい)ほど、利益を生む可能性があるケースといえる。多くの人にとって簡単なものは、たいていコストが低く、過剰なものはもちろん、大人一人を養うことさえできない。 確かにその通りです。しかし、参入の敷居が高いということは、様々なリスクを高めることにもなります。必ずしも金銭的なものではありません。 mytarmailS 2017.03.29 18:23 #3017 その多くの人が簡単に取り組めるものは、たいていコストが少なく、大人を養うことさえできない......。++いや、正確には無過失である mytarmailS 2017.03.29 18:26 #3018 こうして枝を見ていて、気がつくとなくなっている......。 toxic 2017.03.29 19:34 #3019 mytarmailS: こうやってスレッドを見ていて、気がついたら無くなっていた...。その存在そのものが驚きです)))大きな声で詳しく話すと不健康になるようなテーマなので Yuriy Asaulenko 2017.03.29 20:10 #3020 サンサニッチ・フォメンコそうではありません。体系性とは、生データを準備し、モデルを当てはめ、そのモデルを評価するという、あらゆるものを利用することである。第一近似的には、これはすべてラトルを与える - あなたはそれを見て、周りに遊ぶことができます。私の記事を 参考にすれば、説明書だけでなくエクササイズのデータもあるので、労働投入は最小限(全部で2〜3時間)です。しかし、システマティックなアプローチとは、自分の行動を理解し、その結果を計画し予測することができることを意味します。記事にしていただきありがとうございます。特定のソフトに詳しくないので、シンプルでわかりやすいという初心者にぴったりの内容です。しかし、回帰法なのか分類法なのか、どちらの方法を用いているのかがわからない。 もちろん、すぐに自分のシステムで試してみました。もし何か難しい問題があれば、神頼みで、劇の中で判明することになる。1.ローソク足でエントリーやエグジットをしない。気配値の流れのみで、ローソク足は前のローソク足からの履歴のみで。ローソク足で学習させることはできても、現在のローソク足の中の気配値の流れをラトルに飲み込ませるにはどうしたらいいのか、まだ謎のままです。ローソク足の流れは、何とかして分析したいものです。2.再構築可能な予測因子をどうするか?例えば、回帰線とシグマで。履歴に貼り付けることもできない(学習用)ので、その場で計算し、以前の絵を履歴から削除する機能が必要です。同様に、常に存在するわけではなく、シリーズのある時点から構築される煌びやかな予兆もあり、一般的には劇中で再構築されることもある。4 項目2と3による予測変数の正規化の問題 - 根本的に無理がある。そして、予測因子に関する履歴は、トレーニングと仕事の両方の過程で計算する必要があります。今のところ、理解不能な点が多く残されています。 1...295296297298299300301302303304305306307308309...3399 新しいコメント 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
面白いスレッドですね。たくさんの戯言があるが、賢い考えもある。ありがとうございます。
+
)))要はコミュニケーションとプロセスです。すでにニューラルボットを作っている人もいるようです。試してみたいのは.
残念ながら、このテーマへの参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。
そして、これまで扱ったことのない人は、この情報の海で溺れてしまうこともあるのです)。また、投射物に対するシステマチックなアプローチが求められるので、バラバラに拾いたくはないのです。
しかし、これまでのところ、まとまった体系化された情報は見つかっていません。
私にとっては、予測誤差は主要な問題ではありません。私にとっては、モデルの再トレーニングが一番の問題です。モデルが再トレーニングされていないというかすかな証拠でもあれば、モデルはまったく必要ないのです。
私はこのスレッドで何度もオーバーフィッティングの診断とオーバーフィッティングに対処するためのツールについて書いてきました(他のスレッドも同様です)。要するに、入力予測変数のノイズをクリアにすることであり、モデルそのものは二の次なのです。
オーバートレーニングを考慮しない結果は、今はまあまあ、明日はもしかしたら、明日以降はデポが排出されるから、それ以外は興味がないのです。
テストで(トレーニングサンプルのうち)良い回転数が出れば、すべてOKです。オーバーフィードはある意味避けることはできず、許容範囲内に抑えるしかない。
追記 :Mihail Marchukajtes 氏がReshetov分類器がクールであることを証明するために提供 されたので、あなたも試してみてはいかがでしょうか。)
まあ、過食というのは、ラーンとテストのゲージが違う場合であって、テスト(トレーニングサンプル以外)のゲージが良ければ、すべてOKなんです。ある意味、過剰給餌を避けることは全くできず、許容範囲内に抑えることしかできないのです。
追記: Mihail Marchukajtes 氏がReshetov分類器の急峻性を証明するために提供されたので、あなたも試してみてください、このデータから65%以上の精度を得られる人が現れるかもしれませんね) ))
テスターとは、ある仕上げの作業です。そして、TCの性能の信頼区間が必要です。
残念ながら、この分野への参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。
そして、これまで扱ったことのない人は、この情報の海で溺れてしまうかもしれません)。そして、断片的なものを拾っていくのではなく、ある程度システマチックに道具を使うことが必要なのです。
しかし、これまでのところ、まとまった体系化された情報は見つかっていません。
そうではありません。
系統性とは、初期データの準備、モデルの適合、そのモデルの評価など、あらゆるものを利用することである。
第一近似的には、これはすべてラトルを与える - あなたはそれを見て、周りに遊ぶことができます。私の記事を 参考にしていただければ、インストラクションだけでなく、演習のデータもあるので、労力は最小限(全部で2~3時間)です。
残念ながら、このテーマへの参入の敷居は非常に高い。MOという分野自体がすでにかなり古く、枝分かれした手法の数だけでもすでに無限大になりつつあるのです。
そして、これまで扱ったことのない人は、この情報の海で溺れてしまうこともあるのです)。そして、断片的なものを拾っていくのではなく、ある程度システマチックに道具を使うことが必要なのです。
しかし、これまでのところ、まとまった体系化された情報は見つかっていません。
私たちの世界は、トピックの収益性が、トピックへの参入の敷居の高さの単調な関数であるような構造になっているのである。参入の敷居が高ければ高いほど(必ずしも概念の複雑さではなく、お金、社会的なつながり、地理的な位置などによるかもしれません)、より潜在的に有益な取引となります。
多くの人にとって簡単なものは、原則としてコストが低く、あらゆる種類の贅沢はもちろんのこと、大人一人を養うことさえできないのです。
私たちの世界の仕組みは、あるトピックの収益性は、そのトピックへの参入閾値の高さの単調関数であるということです。参入の敷居が高い(必ずしも概念の複雑さではなく、資金、社会的なつながり、地理的な位置などでもよい)ほど、利益を生む可能性があるケースといえる。
多くの人にとって簡単なものは、たいていコストが低く、過剰なものはもちろん、大人一人を養うことさえできない。
多くの人が簡単に取り組めるものは、たいていコストが少なく、大人を養うことさえできない......。
++
いや、正確には無過失である
こうやってスレッドを見ていて、気がついたら無くなっていた...。
その存在そのものが驚きです)))
大きな声で詳しく話すと不健康になるようなテーマなので
そうではありません。
体系性とは、生データを準備し、モデルを当てはめ、そのモデルを評価するという、あらゆるものを利用することである。
第一近似的には、これはすべてラトルを与える - あなたはそれを見て、周りに遊ぶことができます。私の記事を 参考にすれば、説明書だけでなくエクササイズのデータもあるので、労働投入は最小限(全部で2〜3時間)です。
しかし、システマティックなアプローチとは、自分の行動を理解し、その結果を計画し予測することができることを意味します。
記事にしていただきありがとうございます。特定のソフトに詳しくないので、シンプルでわかりやすいという初心者にぴったりの内容です。しかし、回帰法なのか分類法なのか、どちらの方法を用いているのかがわからない。
もちろん、すぐに自分のシステムで試してみました。もし何か難しい問題があれば、神頼みで、劇の中で判明することになる。
1.ローソク足でエントリーやエグジットをしない。気配値の流れのみで、ローソク足は前のローソク足からの履歴のみで。ローソク足で学習させることはできても、現在のローソク足の中の気配値の流れをラトルに飲み込ませるにはどうしたらいいのか、まだ謎のままです。ローソク足の流れは、何とかして分析したいものです。
2.再構築可能な予測因子をどうするか?例えば、回帰線とシグマで。履歴に貼り付けることもできない(学習用)ので、その場で計算し、以前の絵を履歴から削除する機能が必要です。
同様に、常に存在するわけではなく、シリーズのある時点から構築される煌びやかな予兆もあり、一般的には劇中で再構築されることもある。
4 項目2と3による予測変数の正規化の問題 - 根本的に無理がある。
そして、予測因子に関する履歴は、トレーニングと仕事の両方の過程で計算する必要があります。
今のところ、理解不能な点が多く残されています。