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 3037

 
mytarmailS #:

もう40回もコピーしている、同じことを、同じことを......。

唯一の問題は、ロボットがどこにいるかということだ。

ロボットはいない。なぜなら、我々は先生を拒否しなければならなかったし、アドバイザーに技術的な問題があったからだ。技術的な問題はすべて克服された。

あなたのバランスに関するアイデアは、当初は気に入っていたのですが、実行不可能だと考えています。バランスは教師にはなれない。 なぜならそれは存在しないからだ。 教師をデザインするには、以前の私よりももっと慎重にならなければならない。

 
Forester #:

分類ミスは指標ではない。指標はバランスとバランスラインである。5年目以上
OOSの分類ミスが8.3%の貸借対照表をお見せしました。https://www.mql5.com/ru/forum/86386/page3008#comment_46150275

利益が出ているが、それでもバスケットにそのようなモデルを投げた。

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だろう。

あなたの写真が理解できない。列がバランスなのに、分類と何の関係があるのか理解できない。

 
СанСаныч Фоменко #:

1) 先生を拒否しなければならなかったので、ロボットはありません。また、カウンセラーには技術的な問題がありました。現在、技術的な問題はすべて克服されています。


2) バランスのアイデアは、当初は気に入っていたが、実行不可能だと思う。なぜなら、バランスは存在しないからです。 先生は、以前私がしたよりももっと注意深くデザインしなければなりません。

フランスのフランスフランスフランスフランスフランスフランスフランス。

2) それに、私はバランスのアイデアがうまくいっているとは一言も言っていないし、むしろその逆で、FFには無限のバリエーションの可能性があると言ったんだ。

どうだったか忘れたのか?思い出させてやろう。

その人は、バランスのためにネットワークをどのようにトレーニングすればいいのかと質問してきたので、私はヒントを与えた。フレンドリーなフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリーフレンドリー。

残りはすべて、純粋にあなたの個人的な発明であり、あなたが何らかの理由で私と関連付けた発明なのだ。

 
mytarmailS #:

1) じゃあ、何を話すんだ?

2) そして、私はバランスのアイデアがうまくいっているとは一言も言っていない。

どうだったか忘れたのか?思い出すよ。

その人はバランスのためのネットワークのトレーニング方法を質問し、私はあなたにヒントを与え、あなたは興味を持ち、例を求め、私はそれをあなたに与えた。私は、バランスをとるためのトレーニングはすべきでないとも書いた。

残りはすべて、純粋にあなたの個人的な発明であり、あなたが何らかの理由で私と関連付けた発明である。

バランスという考え方は私にとって新しいものであり、あなたから出たものだ。しかし、あなたはなぜか神経質に反応している.

バランスの話題は終わった。

 
mytarmailS #:

ルールの持続可能 性は、バランスカーブが不換紙幣であるのと同様に、OOSでは実行不可能である。

このようなことは、以前にも別の形で、何度も繰り返してきた......。

しかし、やはり誰もがFFの 書き方や AOの 使い方を知って おくべきだと思う......。

でも、アレクセイはAOは使えると言っている。

でも、アレクセイはAOを使うべきだと言っている。

ここ1カ月半の私のロジック(1年以上同じように機能している)。

ルールをいじくり回すよりも、(モデルのエラーに対処する方が)成功していると思っている。

なぜなら、ルールいじりは遺伝学と同じで、成功したパスからパラメーターを選択することだからだ。

H.Y.飽きたので、最後の記事はもうPRしません :)少なくとも誰かがそれを理解し、他に改善できる点を提案してくれれば、それは進歩だろう。


 
Maxim Dmitrievsky #:

私もあまり好きではないが、アレクセイは効果があると言っている。

問題は、なぜ彼がそれを使わないのかということだ )

だから彼は、ルールが死んでいて、ランダムな復活が機能していないと何度も言っていた。

また、すでに選択されたルールが機能しないのであれば、AMOはまったく機能していないと結論づけることもできる.

この結論から、問題はAMOにあるのではなく、データと/またはターゲットにあるということになる


いい写真だ )

 

いろいろなルールについて書かれた小さな本がある。

https://christophm.github.io/interpretable-ml-book/

Interpretable Machine Learning
  • Christoph Molnar
  • christophm.github.io
Machine learning algorithms usually operate as black boxes and it is unclear how they derived a certain decision. This book is a guide for practitioners to make machine learning decisions interpretable.
 
СанСаныч Фоменко #:

私はあなたの写真が理解できない。列のバランスがとれているのに、分類がどうのこうのというのは理解できない。

何がはっきりしないのですか?説明しよう:
チャート上のバランスラインは、私の意見では、利益はあるが、仕事には適していない。
Err列は分類エラーを示している。儲かっているバリアントでは8.3%で、0で働いているバリアントでは誤差=9.1%です。

では、誤差20%のOOSのバランスチャートを見せてもらえますか?
 
Forester #:
何が明確でないのか。説明しましょう。 チャート上のバランスラインは、私の意見では、利益はあるが、仕事には適していない。 Err列 - 分類エラーを示しています。 では、20%の誤差を持つOOSのバランスグラフを見せてもらえますか?



バランスと分類誤差にどんな関係があるのですか?

 
СанСаныч Фоменко #:

バランスと分類ミスに何の関係があるのか?

その通り、何もない。
、20%でも8%でも50%でも何の意味もない。数字には何の意味もない。

バランスは興味深い。グラフはないのか?

理由: