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 3370 1...336333643365336633673368336933703371337233733374337533763377...3399 新しいコメント СанСаныч Фоменко 2024.01.07 10:35 #33691 Bogard_11 #:パターン、別名モデルは1つしか ない。どんな動きもABCに単純化すれば、パターンのすべての行列の比率を見つけることができる。機械学習がなくても、手作業で簡単に計算できるが。ラノックは学校の代数や幾何学の授業よりも複雑ではない。 例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルから100本以上の木を見つけ、パターンを読み取ります。RandomForestの統計によると、50本までは分類誤差が減少し、150本を超えると分類誤差は安定する。 Bogard_11 2024.01.07 10:47 #33692 СанСаныч Фоменко #:例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルで、100本以上の木を見つけ、パターンを読み取ります。RandomForestについては統計があります:50本までは分類誤差が減少し、150本以上では分類誤差は安定しています。 この150のパターンを1つの共通パターンに定式化するには、あと少ししかない。Aが あり、Bが あるならば、Cは そのようなカモのある時刻にやってくる。Cの 展開のバリエーションは3種類しかない。 すべてはTIMEで 決まる!そして、これはまず手作業で簡単に計算することができる。 P.S.-Aの 大きさだけでなく、Bの プルバック(非常に多くの場合、バックラッシュは1-3ポイントを超えない)のための特定のレベルをすでに与える。同様に、Bは Cの 価格水準について事前にシグナルを出す。 例として、手動のExpert Advisorは、私たちが興味を持っている動きから自動的にレベルを計算します。つまり、目的の波を引くと、すでに未来が示されているのです。 ファイル: GBPUSD.ffxM5.png 44 kb GBPUSD.ffxM59.png 42 kb GBPUSD.ffxM15.png 43 kb Forester 2024.01.07 13:28 #33693 СанСаныч Фоменко #:例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルで、100本以上の木を見つけ、パターンを読み取ります。RandomForestについては統計があります:50本までは分類誤差が減少し、150本以上では分類誤差は安定しています。 例えば、次のようになります: 第1スプリット: 40 bar delta with current = 0, 第2スプリット: 30 bar = 100, 第3スプリット: 20 bar = 50, 第4スプリット: 10 bar 100, 第5スプリット: 1 bar = 0. 2つの頂点と谷。パターン? もし、あなたが取引している閾値を超える葉がツリーに20個あれば、あなたのツリーには20個のパターンがあります。 他の100本のツリーは、異なるスプリット値を持つ他のチップ/バーを使用できます。 ブーストは単純に重み付け/明確化係数で加算する。 What is your realistic How do you calculate What percentage per month СанСаныч Фоменко 2024.01.07 13:35 #33694 Bogard_11 #:この150のパターンを1つの共通のパターンに定式化するには、あと少ししかない。Aが あり、Bが あるならば、Cは ある時刻に、このようなカモでやってくる。Cの 展開のバリエーションは3つしかない。 すべては「時間」で決まる!そして、これはまず手作業で簡単に計算することができ、必要ならロボットに組み込むこともできる。 追伸-Aの 大きさだけでなく、Bの プルバックにも一定のレベルがあります(バックラッシュが1-3ポイントを超えないことが非常に多い)。同じように、Bは Cの 価格水準について事前にシグナルを出す。例えば、手動のExpert Advisorは、私たちが興味を持っている動きから自動的にレベルを計算します。つまり、目的の波を引くと、未来はすでにマークされている。 何も形式化する必要はなく、すべてがあなたのために行われる。 СанСаныч Фоменко 2024.01.07 13:49 #33695 Forester #: 例えば: 第1スプリット: 40 bar delta with current = 0, 第2スプリット: 30 bar = 100, 第3スプリット: 20 bar = 50, 第4スプリット: 10 bar 100, 第5スプリット: 1 bar = 0. 2つの頂点と谷。パターン? もし、あなたが取引している閾値を超える葉がツリーに20個あれば、あなたのツリーには20個のパターンがあります。 他の100本のツリーは、異なるスプリット値を持つ他のチップ/バーを使用できます。 ブーストは単純に重み付け/明確化係数で加算する。 木は木で、確か印刷もできる。 一方、葉はダークマターである。アルゴリズムが設計者のペンと共に、分類エラーとバイアスのバランスを追求するのは葉のレベルである。入力セットを正確に記述するほどツリーを深く設定することは可能である。そして問題は、入力セットがわからない未来において、最小限のエラーで分類を行うことである。葉はもちろん有限であるが、正確には「有限」ではなく、近似的である必要がある。したがって、パターンとは木のことである。 Forester 2024.01.07 14:40 #33696 СанСаныч Фоменко #:ツリーはツリーで、確かプリントアウトもできるはずだ。しかし、葉の問題は暗い。アルゴリズムが設計者のペンと共に、分類エラーとバイアスのバランスを探すのは葉のレベルである。入力セットを正確に記述するほどツリーを深く設定することは可能で、オーバートレーニングやオーバーフィッティングになる。そして問題は、入力セットがわからない未来において、最小限のエラーで分類を行うことである。葉はもちろん有限であるが、正確には「有限」ではなく、近似的である必要がある。したがって、パターンとは木のことである。 私はそうは思わない。私は深さ5の葉の例を挙げた(その葉は5つの分割によって得られ、それはパターンである)。もし200回の分割を経て葉を得たとしたら、それは新しいデータではうまく機能しない、過剰に訓練されたパターンを与えることになる。しかし、それがパターンでなくなることはない。ツリーはパターンの集合である。 СанСаныч Фоменко 2024.01.07 14:58 #33697 Forester #:私はそうは思わない。私は5つの深さのシートの例を挙げました(シートは5つのスプリットを通して得られ、それはパターンです)。もし200回分割してシートを得れば、新しいデータでは成績の悪い再学習されたパターンが得られるだろう。しかし、それがパターンでなくなることはない。ツリーはパターンの集合である。 ストーブから始めよう。 私が考えているのは、バギング型とブーリアン型(rf, ada)の2種類のツリーだ。 どちらのアルゴリズムも、隣接する行を参照することなく、入力データを可能な限り考慮する。 1つの行の中で、ターゲット変数(教師)によって指定されたクラスを最も高い確率で予測する予測変数の値の選択が行われる。 入力予測変数の集合からのいくつかの予測変数の組み合わせと、1つの行でのそれらの値は、公正にパターンと呼ばれる。 Forester 2024.01.07 16:01 #33698 СанСаныч Фоменко #:1行の中で , ターゲット変数(教師)によって指定されたクラスを最も高い確率で予測する 予測値が選択される.入力予測変数の集合からのいくつかの予測変数とそれらの値の1行での組み合わせは,パターンと呼ばれる.あなたはストーブパイプを誤解しています.ツリー構築コードを見たことがないようだが...。そこには1行内の操作はまったくありません!!!集合(フルまたはバッチ)のみの操作です。 簡単に言うと: トレーニングに渡されたランダム/フルセットの行は、各予測子/列について1つずつソートされます。その上で異なる分割がチェックされ(中間/パーセンタイル/ランダム)、それぞれの統計量がカウントされ、最良の分割が行の集合全体について選択されます。 最良の分割に従って、文字列の集合を2つの集合に分割し、各集合を再度ソートし、停止ルールに達するまで(深さ、行ごとの例数など)、各部分について最良の分割を選択する、など。 エディタで詳細を見ることができます。ファイル: ↪MQL5IncludeMathAlglibdataanalysis.mqh ClassifierSplit()関数とそれが呼び出されるもの。 数時間で理解できるようになり、1行で予測子を検索することについて話す必要がなくなります。 Bogard_11 2024.01.07 17:44 #33699 СанСаныч Фоменко #:正式な手続きを踏む必要はない。 そして、あなたのロボットの精度は、プラスマイナス3時間先のインターバルでどの程度なのでしょうか?AIが未来に計算するピボット・ポイントについて話しているのです。同じポンドドルで日中プラスマイナス5-10ピプスの誤差があり、m5ではプラス1-2バーの誤差があります。 そして、あなたのAIは、モデル(パターン)が価格によってではなく、時間によって動いたことに時間内に気づくことができるでしょうか?つまり、最初の計算ポイントではなく、2番目か3番目の計算ポイントがトリガーされるということです。:) コーダーは子供のようなもので、誰かがコンピュータの能力を疑うと(機械が何でも見つけるように)、すぐに唇を尖らせて怒る。;)そして、100%機能するアルゴリズムがなぜ見つからないのか、誰にも理解できない。そして全ては、1つの知覚できない小さなディテールがあるからであり、それこそが、将来のパターンの比率が一定量ずれるというシグナルを与えるのだ。しかし、あなた方はヘニウスであり、コードの神々である。何かを選ぶこと(紙や電卓で数えながら手作業ですべてを検索すること)は名誉なことではない。入力にデタラメなコードを書き、出力にデタラメなコードを書き、それをすべて最適化しようとする方が簡単だ。 明確な論理的数学システムは、100年以上前に説明されている(今でも時計のように動いている)。代数学的にも幾何学的にも。しかし、彼ら自身のライザップの発明者は、まだたくさんいる......。 mytarmailS 2024.01.07 19:24 #33700 Bogard_11 #:明確な論理的数学体系が100年以上前に説明されている(今でも時計のように動いている)。代数学的にも幾何学的にも。しかし、独自のライザップドを発明した人はまだたくさんいる......。 では、あなたのトレードを見せてください...」。なぜそんなに流行語ばかりなのか?そして、時計仕掛けのように動く100年前の理論に従って、あなたのTSがどのように機能するのか見せてもらおう...。さあ。 1...336333643365336633673368336933703371337233733374337533763377...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
パターン、別名モデルは1つしか ない。どんな動きもABCに単純化すれば、パターンのすべての行列の比率を見つけることができる。機械学習がなくても、手作業で簡単に計算できるが。ラノックは学校の代数や幾何学の授業よりも複雑ではない。
例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルから100本以上の木を見つけ、パターンを読み取ります。RandomForestの統計によると、50本までは分類誤差が減少し、150本を超えると分類誤差は安定する。
例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルで、100本以上の木を見つけ、パターンを読み取ります。RandomForestについては統計があります:50本までは分類誤差が減少し、150本以上では分類誤差は安定しています。
この150のパターンを1つの共通パターンに定式化するには、あと少ししかない。Aが あり、Bが あるならば、Cは そのようなカモのある時刻にやってくる。Cの 展開のバリエーションは3種類しかない。 すべてはTIMEで 決まる!そして、これはまず手作業で簡単に計算することができる。
P.S.-Aの 大きさだけでなく、Bの プルバック(非常に多くの場合、バックラッシュは1-3ポイントを超えない)のための特定のレベルをすでに与える。同様に、Bは Cの 価格水準について事前にシグナルを出す。
例として、手動のExpert Advisorは、私たちが興味を持っている動きから自動的にレベルを計算します。つまり、目的の波を引くと、すでに未来が示されているのです。
例えば、木製の模型(模型はたくさんあるが)のパターンは木である。例えば、CatBoostは、それぞれの木製モデルで、100本以上の木を見つけ、パターンを読み取ります。RandomForestについては統計があります:50本までは分類誤差が減少し、150本以上では分類誤差は安定しています。
例えば、次のようになります:
第1スプリット: 40 bar delta with current = 0,
第2スプリット: 30 bar = 100,
第3スプリット: 20 bar = 50,
第4スプリット: 10 bar 100,
第5スプリット: 1 bar = 0.
2つの頂点と谷。パターン?
もし、あなたが取引している閾値を超える葉がツリーに20個あれば、あなたのツリーには20個のパターンがあります。
他の100本のツリーは、異なるスプリット値を持つ他のチップ/バーを使用できます。
ブーストは単純に重み付け/明確化係数で加算する。
この150のパターンを1つの共通のパターンに定式化するには、あと少ししかない。Aが あり、Bが あるならば、Cは ある時刻に、このようなカモでやってくる。Cの 展開のバリエーションは3つしかない。 すべては「時間」で決まる!そして、これはまず手作業で簡単に計算することができ、必要ならロボットに組み込むこともできる。
追伸-Aの 大きさだけでなく、Bの プルバックにも一定のレベルがあります(バックラッシュが1-3ポイントを超えないことが非常に多い)。同じように、Bは Cの 価格水準について事前にシグナルを出す。
例えば、手動のExpert Advisorは、私たちが興味を持っている動きから自動的にレベルを計算します。つまり、目的の波を引くと、未来はすでにマークされている。
何も形式化する必要はなく、すべてがあなたのために行われる。
例えば:
第1スプリット: 40 bar delta with current = 0,
第2スプリット: 30 bar = 100,
第3スプリット: 20 bar = 50,
第4スプリット: 10 bar 100,
第5スプリット: 1 bar = 0.
2つの頂点と谷。パターン?
もし、あなたが取引している閾値を超える葉がツリーに20個あれば、あなたのツリーには20個のパターンがあります。
他の100本のツリーは、異なるスプリット値を持つ他のチップ/バーを使用できます。
ブーストは単純に重み付け/明確化係数で加算する。
木は木で、確か印刷もできる。
一方、葉はダークマターである。アルゴリズムが設計者のペンと共に、分類エラーとバイアスのバランスを追求するのは葉のレベルである。入力セットを正確に記述するほどツリーを深く設定することは可能である。そして問題は、入力セットがわからない未来において、最小限のエラーで分類を行うことである。葉はもちろん有限であるが、正確には「有限」ではなく、近似的である必要がある。したがって、パターンとは木のことである。
ツリーはツリーで、確かプリントアウトもできるはずだ。
しかし、葉の問題は暗い。アルゴリズムが設計者のペンと共に、分類エラーとバイアスのバランスを探すのは葉のレベルである。入力セットを正確に記述するほどツリーを深く設定することは可能で、オーバートレーニングやオーバーフィッティングになる。そして問題は、入力セットがわからない未来において、最小限のエラーで分類を行うことである。葉はもちろん有限であるが、正確には「有限」ではなく、近似的である必要がある。したがって、パターンとは木のことである。
私はそうは思わない。私は深さ5の葉の例を挙げた(その葉は5つの分割によって得られ、それはパターンである)。もし200回の分割を経て葉を得たとしたら、それは新しいデータではうまく機能しない、過剰に訓練されたパターンを与えることになる。しかし、それがパターンでなくなることはない。ツリーはパターンの集合である。
私はそうは思わない。私は5つの深さのシートの例を挙げました(シートは5つのスプリットを通して得られ、それはパターンです)。もし200回分割してシートを得れば、新しいデータでは成績の悪い再学習されたパターンが得られるだろう。しかし、それがパターンでなくなることはない。ツリーはパターンの集合である。
ストーブから始めよう。
私が考えているのは、バギング型とブーリアン型(rf, ada)の2種類のツリーだ。
どちらのアルゴリズムも、隣接する行を参照することなく、入力データを可能な限り考慮する。
1つの行の中で、ターゲット変数(教師)によって指定されたクラスを最も高い確率で予測する予測変数の値の選択が行われる。
入力予測変数の集合からのいくつかの予測変数の組み合わせと、1つの行でのそれらの値は、公正にパターンと呼ばれる。
1行の中で , ターゲット変数(教師)によって指定されたクラスを最も高い確率で予測する 予測値が選択される.
入力予測変数の集合からのいくつかの予測変数とそれらの値の1行での組み合わせは,パターンと呼ばれる.
あなたはストーブパイプを誤解しています.ツリー構築コードを見たことがないようだが...。そこには1行内の操作はまったくありません!!!集合(フルまたはバッチ)のみの操作です。
簡単に言うと:トレーニングに渡されたランダム/フルセットの行は、各予測子/列について1つずつソートされます。その上で異なる分割がチェックされ(中間/パーセンタイル/ランダム)、それぞれの統計量がカウントされ、最良の分割が行の集合全体について選択されます。
最良の分割に従って、文字列の集合を2つの集合に分割し、各集合を再度ソートし、停止ルールに達するまで(深さ、行ごとの例数など)、各部分について最良の分割を選択する、など。
エディタで詳細を見ることができます。ファイル:
↪MQL5IncludeMathAlglibdataanalysis.mqh
ClassifierSplit()関数とそれが呼び出されるもの。
数時間で理解できるようになり、1行で予測子を検索することについて話す必要がなくなります。
正式な手続きを踏む必要はない。
そして、あなたのロボットの精度は、プラスマイナス3時間先のインターバルでどの程度なのでしょうか?AIが未来に計算するピボット・ポイントについて話しているのです。同じポンドドルで日中プラスマイナス5-10ピプスの誤差があり、m5ではプラス1-2バーの誤差があります。
そして、あなたのAIは、モデル(パターン)が価格によってではなく、時間によって動いたことに時間内に気づくことができるでしょうか?つまり、最初の計算ポイントではなく、2番目か3番目の計算ポイントがトリガーされるということです。:)
コーダーは子供のようなもので、誰かがコンピュータの能力を疑うと(機械が何でも見つけるように)、すぐに唇を尖らせて怒る。;)そして、100%機能するアルゴリズムがなぜ見つからないのか、誰にも理解できない。そして全ては、1つの知覚できない小さなディテールがあるからであり、それこそが、将来のパターンの比率が一定量ずれるというシグナルを与えるのだ。しかし、あなた方はヘニウスであり、コードの神々である。何かを選ぶこと(紙や電卓で数えながら手作業ですべてを検索すること)は名誉なことではない。入力にデタラメなコードを書き、出力にデタラメなコードを書き、それをすべて最適化しようとする方が簡単だ。
明確な論理的数学システムは、100年以上前に説明されている(今でも時計のように動いている)。代数学的にも幾何学的にも。しかし、彼ら自身のライザップの発明者は、まだたくさんいる......。
明確な論理的数学体系が100年以上前に説明されている(今でも時計のように動いている)。代数学的にも幾何学的にも。しかし、独自のライザップドを発明した人はまだたくさんいる......。