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 413

[Forester]

マキシム・ドミトリエフスキー

ええ、おそらく2つ以上のクラスを持てるようにしたのでしょう......だから、もっとクラスタリングが進んで、k-meansなど他の手法も使えるようになるのでしょう :)

k-meansの使い方が全く理解できない...。MS Azureにもありますが、レディメイドのソリューションとして、ここでは単なるエンジンで、その結果をどう解釈すればいいのか、まったくわからない...。

[Aleksey Terentev]

一般的には、定義域が(-1;+1)のtanh 活性化関数を持つ単一ニューロンで、買い/売りを分類することをお勧めします。
少ないデータで、よりわかりやすく。

ソフトマックスは、純粋に分類のためのものであり、クラスの数は任意です。アヤメの花を分類するタスクを思い出してください（見つけてください）。

また、 tanh（あるいはsin）による結果は、指標としてグラフに表示することができ、非常に便利です。

https://en.wikipedia.org/wiki/Activation_function

スクリーンショットでは、一番下のグラフ。緑/赤は学習信号、紫/青は学習済みモデルからの予測値。

[Maxim Dmitrievsky]

エリブラリウス
k-meansの使い方が全く理解できない...。MS Azureにもありますが、レディメイドのソリューションとして、ここではただのエンジンで、その結果をどう解釈すればいいのか、まったくわからない...。

これは同種のデータをグループ化するもので、教師なしで動作します。つまり、クラス（この場合はクラスタ）の数は事前に知られていません。

[Maxim Dmitrievsky]

アレクセイ・テレンテフ

一般的には、定義域が(-1;+1)のtanh 活性化関数を持つ単一ニューロンで、買い/売りを分類することをお勧めします。
少ないデータで、よりわかりやすく。

ソフトマックスは、純粋に分類のためのものであり、クラスの数は任意です。アヤメの花を分類するタスクを思い出してください（見つけてください）。

また、 tanh（あるいはsin）による結果は、指標としてグラフに表示することができ、非常に便利です。

https://en.wikipedia.org/wiki/Activation_function

スクリーンショットでは、一番下のグラフ。緑/赤：学習信号、紫/青：学習したモデルに基づく予測。

サンプルが大きいと1ニューロンでは足りないのでは？)

[Aleksey Terentev]

マキシム・ドミトリエフスキー

サンプルが大きければ、1ニューロンでも十分小さいのでは？)

すみません、出力レイヤーの話でした。=)

[Maxim Dmitrievsky]

アレクセイ・テレンテフ

すみません、出力レイヤーの話でした。=)

alglibで線形出力のグリッドを作ったのですが、範囲を-1〜1に制限しているため、新しいデータで学習しても時々範囲外に出てしまいます。

ということで、今ソフトマックスを入れようかと考えています。

[Forester]

マキシム・ドミトリエフスキー

alglibで線形出力のグリッドを作ったのですが、範囲制限を-1〜1にして、新しいデータを学習した後も時々範囲外になってしまいます。

ということで、ソフトマックスを入れようかと考えています。

範囲外になると、非常に良い信号とみなすことができる = 150% ))

[Maxim Dmitrievsky]

エリブラリウス
を超える場合は、非常に良い信号とみなすことができる = 150% ))

0.1の代わりに1が出ることもあります。トレーニングでは値が異なって正規化され、取引の過程ではサンプルが異なるからかもしれません。

[Forester]

マキシム・ドミトリエフスキー

同種のデータをグループ化するためのもので、教師がいなくても機能する、つまりクラス（この場合はクラスタ）の数が事前にわからない

なぜ知られていないのか？分割するクラスタ数 - 起動時に入力値として設定：K - 希望するクラスタ数，K>=1

データを4つのグループに分けたとすると、どうすればいいのでしょうか？

[Aleksey Terentev]

マキシム・ドミトリエフスキー

alglibで線形出力のグリッドを作ったのですが、範囲制限を-1〜1にして、新しいデータでトレーニングしても、やはり時々範囲外に出てしまいます。

ということで、ソフトマックスを入れようかと考えています。

私はalglibを扱ったことはありませんが、私が知っているこれらのMLパッケージは、すべて層の活性化関数を変更することができました。