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 3313 1...330633073308330933103311331233133314331533163317331833193320...3399 新しいコメント Maxim Dmitrievsky 2023.10.25 12:12 #33121 サニチ、いつになったら『先生』は『手話』＋『目標』だと思い出すんだ？）このような子供じみた失言は、まるで偉大なるRを学んだ真面目な人々のものであるかのようで、全体の雰囲気を台無しにしている。そして人は、いくら訂正しても学習しないものなのだ。まだ基本的なことがわからないのに、どうやって話せばいいのだろう（笑)。悪気はないのでしょうが、あなた方はお互いに、それぞれが書いていることさえ理解していないのです :)))))) mytarmailS 2023.10.25 12:55 #33122 СанСаныч Фоменко #:モデルの一部としての特徴選択 という意味であれば、私はまったく同意できない。なぜなら、モデルの一部としての特徴 選択は、単なるゴミのようなものだからだ。 私が言っているのは特徴 選択についてであり そして、あなたが 「 モデルにおける 特徴 選択 」と呼んでいるものは、分散の重要性です。 自分と他人を混同しないでください。 そして、あなたがプロキシパッケージで行って いることは、職人的で、不正確で、原始的な特徴選択 であり、むしろその一部です。 そして、既存の概念の上に自分の概念を持ち込まないように。 あなたが再トレーニングを「オーバーフィッティング」と呼ぶたびに、私は首をひねってしまう。 СанСаныч Фоменко 2023.10.25 14:11 #33123 Maxim Dmitrievsky #: サーニッチ、いつになったら、ティーチャーがサイン＋ターゲットであることを思い出すんだ？) このような子供じみた失言は、あたかも偉大なるRを学んだ真面目な人々のものであるかのようで、全体の雰囲気を台無しにしている。そして人は、いくら訂正しても、学習しないものなのだ。 まだ基本的なことがわからないようでは、お話になりません（笑)。 悪気はないのでしょうが、あなた方はお互いに、それぞれが書いていることさえ理解していないのです :)))))) ああ、最も賢い！ ああ、最も知識豊富な！ 「教師あり」の学習方法における「教師」 （同義語のターゲット変数）は、例えば、私が知っているすべての機械学習モデルの式における別の変数である： randomForest(as.factor(target ) ~ ., data = Train [, - ncol(Train )], ntree = ntree, mtry = mtry) ここで、ターゲットはマトリックスの別の列を表します。例えば、価格の増分というような意味である。これは関数とその引数のようなものだ。 行列の他の列は一致させなければならない。問題は、すべての教師が特徴（予測変数）に適合するとは限らず、逆にすべての特徴が特定の教師に適合するとは限らないということです。 СанСаныч Фоменко 2023.10.25 14:29 #33124 mytarmailS #: 私は特徴選択について話して いる。 そして、あなたが 「 モデルの 一部としての特徴 選択 」と呼んでいるものは 、 分散の重要性である。 自分を混乱させ、他人を混乱させないでほしい。 そして、あなたがプロキシパッケージで行って いることは、職人的で、不正確で、原始的な特徴選択 です。 そして本当に、概念に慣れ親しみ、既存のものの上に独自のものを導入しないでください。 あなたが再トレーニングを「オーバーフィッティング」と呼ぶたびに、私は首をひねってしまう。 明確にしてくれてありがとう！ しかし、絶対的な精度は特定の機械学習モデルでのみ可能です。分散の重要性 情報を提供するモデルもあれば、特徴選択を 組み込んだモデルもあるからです。 特徴選択の問題で概念の一般的な分類であれば、これを 使うことができます 参考：オーバーフィッティングの訳は？過剰適合？それとも過剰適合？ mytarmailS 2023.10.25 14:51 #33125 СанСаныч Фоменко #:明確にしてくれてありがとう！参考までに：オーバーフィッティングの訳は？オーバーフィッティング？それともオーバーフィッティング？ overate. 話しすぎた。 重要なのはそんなことでもなくて、何百人もの人の前でその言葉を使うのはあなただけで、いいことなんて何もなくて、ただ混乱するだけなんです。 ================================================================== あなたの関数はカウントするのに時間がかかると言っていたのを覚えています。コードのメモ化というクールなものがあります。 f2 <- memoise::memoise(f1) 大きな収穫 microbenchmark::microbenchmark(f1(),f2()) Unit: microseconds expr min lq mean median uq max neval f1() 145281.202 154547.404 163587.417 160677.641 167757.222 204640.4 100 f2() 234.342 270.263 1989.096 402.544 413.092 164095.8 100 Maxim Dmitrievsky 2023.10.25 15:05 #33126 СанСаныч Фоменко #:ああ、最も賢明な男よ！ああ、最も博識な方！"マスター" サンシュ、先生がターゲットと同義だなんてどこに書いてあるんだ？) СанСаныч Фоменко 2023.10.25 15:41 #33127 mytarmailS #: メモメモ 不思議なことに СанСаныч Фоменко 2023.10.25 15:44 #33128 Maxim Dmitrievsky #:サンシュ、ティーチャーがターゲットと同義だとどこに書いてある？) バカなことを言うな！ 教師あり学習とは、機械学習の 方法のひとつで、テスト対象のシステムに刺激と反応の例を用いて学習させるものである。サイバネティクスの 観点からは、サイバネティック実験の 一種である。入力と参照出力（ 刺激-反応）の間には何らかの依存関係があるかもしれないが、それは未知数である。 そして最も重要なことは、誰かに教える必要はないということだ！自分でやればいいのだ！ Maxim Dmitrievsky 2023.10.25 15:53 #33129 СанСаныч Фоменко #:バカを言うな！教師あり学習とは、機械学習の 手法のひとつで、テスト対象のシステムに刺激と反応の例を用いて学習させるものである。サイバネティクスの 観点からは、サイバネティック実験の 一種である。入力と参照出力（ 刺激-反応）の間には何らかの依存関係があるかもしれないが、それは未知である。そして最も重要なことは、誰かに教える必要はないということだ！自分でやればいいのだ！ サニチ、どこに書いて あるんだ？ Forester 2023.10.25 17:32 #33130 教師なしで学習する - 同じチップをすべて食べさせるが、ターゲットの列を作らない場合。モデルは自ら目標を選択する。 もし「教師あり」が目標f-iの列と一緒で、「教師なし」がこの列がなければ、この列が教師であると考えるのは論理的である。 1...330633073308330933103311331233133314331533163317331833193320...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
モデルの一部としての特徴選択 という意味であれば、私はまったく同意できない。なぜなら、モデルの一部としての特徴 選択は、単なるゴミのようなものだからだ。
私が言っているのは特徴 選択についてであり
そして、あなたが 「 モデルにおける 特徴 選択 」と呼んでいるものは、分散の重要性です。 自分と他人を混同しないでください。
そして、あなたがプロキシパッケージで行って いることは、職人的で、不正確で、原始的な特徴選択 であり、むしろその一部です。
そして、既存の概念の上に自分の概念を持ち込まないように。
あなたが再トレーニングを「オーバーフィッティング」と呼ぶたびに、私は首をひねってしまう。
サーニッチ、いつになったら、ティーチャーがサイン＋ターゲットであることを思い出すんだ？)
ああ、最も賢い！
ああ、最も知識豊富な！
「教師あり」の学習方法における「教師」 （同義語のターゲット変数）は、例えば、私が知っているすべての機械学習モデルの式における別の変数である：
randomForest(as.factor(target ) ~ ., data = Train [, - ncol(Train )], ntree = ntree, mtry = mtry)ここで、ターゲットはマトリックスの別の列を表します。例えば、価格の増分というような意味である。これは関数とその引数のようなものだ。
行列の他の列は一致させなければならない。問題は、すべての教師が特徴（予測変数）に適合するとは限らず、逆にすべての特徴が特定の教師に適合するとは限らないということです。
私は特徴選択について話して いる。
そして、あなたが 「 モデルの 一部としての特徴 選択 」と呼んでいるものは 、 分散の重要性である。 自分を混乱させ、他人を混乱させないでほしい。
そして、あなたがプロキシパッケージで行って いることは、職人的で、不正確で、原始的な特徴選択 です。
そして本当に、概念に慣れ親しみ、既存のものの上に独自のものを導入しないでください。
あなたが再トレーニングを「オーバーフィッティング」と呼ぶたびに、私は首をひねってしまう。
明確にしてくれてありがとう！
しかし、絶対的な精度は特定の機械学習モデルでのみ可能です。分散の重要性 情報を提供するモデルもあれば、特徴選択を 組み込んだモデルもあるからです。
特徴選択の問題で概念の一般的な分類であれば、これを 使うことができます
参考：オーバーフィッティングの訳は？過剰適合？それとも過剰適合？
明確にしてくれてありがとう！
参考までに：オーバーフィッティングの訳は？オーバーフィッティング？それともオーバーフィッティング？
overate.
話しすぎた。
重要なのはそんなことでもなくて、何百人もの人の前でその言葉を使うのはあなただけで、いいことなんて何もなくて、ただ混乱するだけなんです。
==================================================================
あなたの関数はカウントするのに時間がかかると言っていたのを覚えています。コードのメモ化というクールなものがあります。
大きな収穫
ああ、最も賢明な男よ！
ああ、最も博識な方！
"マスター"
サンシュ、先生がターゲットと同義だなんてどこに書いてあるんだ？)
メモメモ
不思議なことに
サンシュ、ティーチャーがターゲットと同義だとどこに書いてある？)
バカなことを言うな！
教師あり学習とは、機械学習の 方法のひとつで、テスト対象のシステムに刺激と反応の例を用いて学習させるものである。サイバネティクスの 観点からは、サイバネティック実験の 一種である。入力と参照出力（ 刺激-反応）の間には何らかの依存関係があるかもしれないが、それは未知数である。
そして最も重要なことは、誰かに教える必要はないということだ！自分でやればいいのだ！
バカを言うな！
教師あり学習とは、機械学習の 手法のひとつで、テスト対象のシステムに刺激と反応の例を用いて学習させるものである。サイバネティクスの 観点からは、サイバネティック実験の 一種である。入力と参照出力（ 刺激-反応）の間には何らかの依存関係があるかもしれないが、それは未知である。
そして最も重要なことは、誰かに教える必要はないということだ！自分でやればいいのだ！
サニチ、どこに書いて あるんだ？
もし「教師あり」が目標f-iの列と一緒で、「教師なし」がこの列がなければ、この列が教師であると考えるのは論理的である。