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 3036 1...302930303031303230333034303530363037303830393040304130423043...3399 新しいコメント Forester 2023.04.15 20:21 #30351 Aleksey Vyazmikin #:残高を送ってくれれば、私の方法で評価しますから、結果を教えてください。 今のところ、目分量で見積もっている。) 来週は、私が考えていることを実行します。 Aleksey Vyazmikin 2023.04.16 06:11 #30352 知覚された視覚や聴覚のパターンが、そのパターンを保持したまま知覚のゴミになるのを体験するのはとても興味深い。 複雑なパターンを知覚するには、脳の限界があるのかもしれない......。 Aleksey Vyazmikin 2023.04.16 06:27 #30353 繰り返しのないランダム性 :) Maxim Dmitrievsky 2023.04.16 12:26 #30354 FFで定常状態を得れば、それが定常状態のTCを特徴づけるというような?これがクルヴァフィッティングであることは誰もが気づいている。偶然、力技で安定したFSを得る唯一の方法だ。 Forester 2023.04.16 12:53 #30355 Maxim Dmitrievsky #: FFで定常状態を得れば、それは定常状態のTCを特徴づけるというような?これがクルワフィッティングであることは誰もが気づいている 偶然、力技で安定したFSを得る唯一の方法だ。 他の変種からは、ほとんどランダムなくだらないものが得られます。いろいろな変種を試さなければならない。 Maxim Dmitrievsky 2023.04.16 13:09 #30356 Forester #: 他のバリエーションはほとんどランダムだ。いろいろなバリエーションを試す必要がある。 まあ、ここではアプローチ自体も、ランダムでない成功の可能性を含んでいないが :) 安定性がテストされているルールの方が良さそうだ。一方はコンボリューション、もう一方はルール。理論的には普遍的なものだ。もちろんテストはしないが(冗談だ)、その後の畳み込み特徴の解析方法はまだわかっていない。ルールはわかった。 mytarmailS 2023.04.16 13:58 #30357 Forester #: 他のバリエーションはほとんどランダムだ。いろいろなバリエーションを試す必要がある。 このバリアントからも、あなたはクソを得るだろう... 美しい/美しくないバランスの成長を見ているだけでは十分ではない。 Maxim Dmitrievsky#: さて、ここではアプローチ自体も、ランダムでない成功の可能性を含んでいない :) 安定性をテスト されたルールの方がよく見える。 ルールの 安定性は、バランス曲線がファイトするのと同じように、OOSでは実行不可能です。 このようなことは、以前にも別の形で何度もやったことだ......。 でも、やっぱりみんなFFの 書き方や AOの 使い方を知って おくべきだと思うんだ...。 СанСаныч Фоменко 2023.04.16 14:54 #30358 mytarmailS #:このオプションもまた、混乱を招くだろう......バランスが美しく成長するのを見守るだけでは十分ではない。ルールの安定 性は、OOSではバランスカーブファイトと同様に機能しない。このようなことは、すでに別の形で、何度もやっている.でも、FFの書き方やAOの使い方は、 誰もが知って おくべきだと思う。 膨大な数の異なるモデルがあり、それぞれにカスタマイズのためのパラメーターがある。モデルをフィッティングすることで、たくさんの結果を得ることができる。 例えば、モデルのアンサンブルcaretEnsembles:を使用することによって、モデルから最良の予測を選択できるようにすることで、予測を改善しようとする必要があります: 前処理と予測モデルの選択からEAまでの完全なトレーディング・システムを作成する場合、各ステップにおいて、テスターにおける利益トレードと負けトレードの比率が同じで、「サンプル外」の予測誤差を20%以下に抑えることができるチップがいくつかあることに気づくでしょう。 残念なことに、この小さく骨の折れる作業は、ゴミで代用されている。 mytarmailS 2023.04.16 15:01 #30359 СанСаныч Фоменко #:膨大な数の異なるモデルがあり、それぞれがパラメーターをカスタマイズしている。その結果、モデルフィッティングの結果は海の藻屑と化す。モデルから最良の予測を選択できるようにすることで、例えばモデルのアンサンブルcaretEnsembles:を使用することで、予測を改善しようと試みるべきである:前処理と予測変数の選択からEAまでの完全なトレーディング・システムを作成する場合、各ステップにおいて、テスターにおける利益トレードと負けトレードの比率が同じで、「サンプル外」の予測誤差を20%以下に抑えることができるチップがいくつかあることに気づくでしょう。残念なことに、この小さく骨の折れる作業は、ゴミで代用されている。 あなたはすでに40回も同じことをコピーしている。 唯一の問題は、ロボットがどこにあるかということだ。 Forester 2023.04.16 15:19 #30360 СанСаныч Фоменко #: サンプル外の」予測誤差が20%以下であり、テスターでは利益取引と損失取引の比率が同じである。 分類誤差は指標ではありません。指標はバランスとバランスラインです。5年目以上 OOSの分類誤差8.3%のバランスをお見せしました。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275 利益が出ているが、それでもこのようなモデルをバスケットに入れた。 OOSで20%のバランスラインを見せてください。それは努力する手本になる。 Машинное обучение в трейдинге: теория, модели, практика и алготорговля - Попробуйте разобрать ошибки модели и создать учителя 2023.04.09www.mql5.com В реальности ошибка классификации по имеющейся паре вне выборки. что модель отработала в 0 при ошибке классификации 9. Типа и проанализоровать зависимость ошибки правила err от частоты freq его появления в выборке 1...302930303031303230333034303530363037303830393040304130423043...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
残高を送ってくれれば、私の方法で評価しますから、結果を教えてください。
来週は、私が考えていることを実行します。
知覚された視覚や聴覚のパターンが、そのパターンを保持したまま知覚のゴミになるのを体験するのはとても興味深い。
複雑なパターンを知覚するには、脳の限界があるのかもしれない......。
繰り返しのないランダム性 :)
FFで定常状態を得れば、それは定常状態のTCを特徴づけるというような?これがクルワフィッティングであることは誰もが気づいている
他のバリエーションはほとんどランダムだ。いろいろなバリエーションを試す必要がある。
他のバリエーションはほとんどランダムだ。いろいろなバリエーションを試す必要がある。
このバリアントからも、あなたはクソを得るだろう...
美しい/美しくないバランスの成長を見ているだけでは十分ではない。
さて、ここではアプローチ自体も、ランダムでない成功の可能性を含んでいない :) 安定性をテスト されたルールの方がよく見える。
ルールの 安定性は、バランス曲線がファイトするのと同じように、OOSでは実行不可能です。
このようなことは、以前にも別の形で何度もやったことだ......。
でも、やっぱりみんなFFの 書き方や AOの 使い方を知って おくべきだと思うんだ...。
このオプションもまた、混乱を招くだろう......
バランスが美しく成長するのを見守るだけでは十分ではない。
ルールの安定 性は、OOSではバランスカーブファイトと同様に機能しない。
このようなことは、すでに別の形で、何度もやっている.
でも、FFの書き方やAOの使い方は、 誰もが知って おくべきだと思う。
膨大な数の異なるモデルがあり、それぞれにカスタマイズのためのパラメーターがある。モデルをフィッティングすることで、たくさんの結果を得ることができる。
例えば、モデルのアンサンブルcaretEnsembles:を使用することによって、モデルから最良の予測を選択できるようにすることで、予測を改善しようとする必要があります:
前処理と予測モデルの選択からEAまでの完全なトレーディング・システムを作成する場合、各ステップにおいて、テスターにおける利益トレードと負けトレードの比率が同じで、「サンプル外」の予測誤差を20%以下に抑えることができるチップがいくつかあることに気づくでしょう。
残念なことに、この小さく骨の折れる作業は、ゴミで代用されている。
膨大な数の異なるモデルがあり、それぞれがパラメーターをカスタマイズしている。その結果、モデルフィッティングの結果は海の藻屑と化す。
モデルから最良の予測を選択できるようにすることで、例えばモデルのアンサンブルcaretEnsembles:を使用することで、予測を改善しようと試みるべきである:
前処理と予測変数の選択からEAまでの完全なトレーディング・システムを作成する場合、各ステップにおいて、テスターにおける利益トレードと負けトレードの比率が同じで、「サンプル外」の予測誤差を20%以下に抑えることができるチップがいくつかあることに気づくでしょう。
残念なことに、この小さく骨の折れる作業は、ゴミで代用されている。
あなたはすでに40回も同じことをコピーしている。
唯一の問題は、ロボットがどこにあるかということだ。
СанСаныч Фоменко #:
サンプル外の」予測誤差が20%以下であり、テスターでは利益取引と損失取引の比率が同じである。
分類誤差は指標ではありません。指標はバランスとバランスラインです。5年目以上
OOSの分類誤差8.3%のバランスをお見せしました。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275
利益が出ているが、それでもこのようなモデルをバスケットに入れた。
OOSで20%のバランスラインを見せてください。それは努力する手本になる。