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 38

[СанСаныч Фоменко]

Yury Reshetov:

Dr.Traderが古いバージョンのlibVMRをRに移植しようとしてすでに失敗しており、大きな核マシンのための十分なメモリも、小さな核マシンのための完全なパフォーマンスも得られなかったという事実から判断すると（彼はサイクル数を100倍に減らした）、同じ熊手を踏もうという人はほとんどいないだろう。

だから、このようなタスクをRに移植する話はしないほうがいい。

Rのことをごく表面的に知っているだけでは、「ナグ」について語ることはできない。

もちろん、Rと書いて文字列インタプリタと読む。もっと深く掘り下げればバイトコードも見えてくるが、効率という意味ではインタープリターの問題は何も解決していない。議論するようなことは何もない。

しかし、Rのパッケージを少し掘り下げてみると、私たちが見ているものはRのコードであり、別のコードへの参照であることがすぐにわかるだろう。そして、それを理解し始めると、計算集約的なアルゴリズムでは、Rは常に、可能な限り最大の効率という原則に従って選択されたサードパーティ・パッケージを使用していることがわかるだろう。通常はCやFortranのライブラリである。

例えば、行列演算などである。Rには "スカラー "という概念がなく、すべてがベクトルから始まり、行列演算はRにとってごく自然であることを考慮すれば、Rで書かれていない対応するライブラリを使うかどうかは原則的な問題である。インテル数学カーネル・ライブラリが使われている。

自分のコンピュータの全コアだけでなく、近隣のコンピュータでも計算を並列化することは、Rでは一般的な操作である。

では、何が "nag "で何が "nag "でないかは大きな問題である。

追記

あなたはRで何かを移植する必要はありません。Rには必要なものがすべて揃っているし、それ以上のものもたくさんある。

[mytarmailS]

は有料ですか？:)

[Dr. Trader]

mytarmailS:

質問：新しいカラムに "a_minus_b" という名前を付けるにはどうすればよいのでしょうか？, "a_minus_c"

a <- 1:5
b <- 6:10
c <- 11:15
d <- 16:20
dt <- data.frame(a,b,c,d)

res.dt <- data.frame(matrix(nrow=nrow(dt), ncol=0))

for(i in 1:(ncol(dt)-1)){
        for(j in (i+1):ncol(dt)){
                colname <- paste0(colnames(dt)[i], "_minus_", colnames(dt)[j])
                res.dt[, colname] <- dt[, i] - dt[,j]
        }
}
res.dt

私たちは、FX自体から投稿の対価を受け取ることになります :)38ページ全部読んで、実践でやってみて、すべての知識を組み合わせれば、動くEAができると思います。

[Vladimir Suslov]

サンサニッチ・フォメンコ
私がリンク した記事の内容について、きちんと反論していただけませんか。この時点でDr.Trader:はこの素材を使おうとしていたのです。かなり具体的に使うこと。結果はマイナスです。もしかしたら、あなたもご意見をいただけるかもしれませんね。

テーマから外れてしまい申し訳ありません。
SanSanychさん、何語で考えているんですか？
あなたの投稿は、Googleの翻訳機のようです。ロシア語を尊重してください。

PS 理解されたいなら...

[СанСаныч Фоменко]

イベント

話がそれてしまい、申し訳ありません。
SanSanychさん、何語で考えているんですか？
あなたの投稿は、Googleの翻訳機のようです。ロシア語を尊重してください。

PS 理解されたいなら...

ずっとそう言ってきたんだけど...。あなたが最初の...

わからないことがあれば、すぐに説明します。

[Vladimir Suslov]

サンサニッチ・フォメンコ

ずっとそう言ってきたんだけど...。あなたが最初の...

わからないことがあれば、すぐに説明します。

説明する必要はない。誰かが最初でなければならない))

[mytarmailS]

Dr.トレーダー

私たちの投稿に対して、FX自体から報酬が支払われます :)人それぞれ知っていること、分かっていることは違いますし、38ページ全部読んで、実際にやってみて、すべての知識を組み合わせれば--動くEAが作れると思うんです。

ありがとうございました。

Bp.この二重ループのすてきなアイデアは、もっと工夫が必要です)

[Yury Reshetov]

jPredictionバイナリ分類器の説明文を作成し、ソースコードを掲載しました。

目次です。

1. 主な特徴
2. 実行中 jPrediction
3. jPredictionでバイナリ分類器の数学モデルを作成する方法
4. モデルのファイルへの保存
5. リダクション - 情報の少ないフィーチャーをモデルから削除すること
6. オブジェクト分類のためのモデルをロードして使用する
7. 付録
1. 二値分類のための追加サンプル
2. jPredictionのCSVファイル形式

全文は添付のアーカイブ（PDF形式）をご覧ください。

[mytarmailS]

ユーリー・レシェトフ

jPredictionバイナリ分類器の説明文を作成し、ソースコードを掲載しました。

Yuriさん、こんにちは！お疲れ様でした。

1) どういう意味か、もう少し詳しく説明してください。

• Sensitivity はモデルの感度をパーセンテージで表したものです。
• 特異性 - モデルの特異性をパーセントで表したものです。

2) もし私が弱いコンピュータを持っていたら、300の予測因子と100,000の観測値のサンプルで、モデルが学習するのに何分かかるか

(完成まで100年待たされることのないよう、「お待ちください」の表記を、トレーニングの進捗を%で計算するなどの工夫があると良いですね)

3）"R "はどうですか？

[Yury Reshetov]

mytarmailS:

ゆりさんこんにちは！お疲れ様でした。

1) どういう意味なのか、もう少し詳しく説明してください。

• 感度 - モデルの感度をパーセントで表したものです。
• 特異性 - モデルの特異性（単位：パーセント

一般化能力の感度 - テストサンプルの陽性結果を正しく予測：100% * TP / (TP + FP)

汎化能力の特異性-テストサンプルで陰性結果を正しく予測：100% * TN / (TN + FN)

のところです。

TP - 真のポジティブな結果の数

TN - 真陰性数

FP - 偽陽性結果の数

FN - 偽陰性数

mytarmailS:

2) もし私が弱いコンピュータを持っているならば、300の予測変数と100 000の観測値のサンプルでモデルを学習するのにどれくらい時間がかかるでしょうか？

3) "R "はどうなるのでしょうか？

全く学習しませんが、サンプル中の予測変数の数が10個を超えるとエラーメッセージが表示されます。

mytarmailS:

3) "R "はどうですか？

そこまでして欲しいのなら、gJavaパッケージをインストールしてください。RからJavaのコードを呼び出す