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 414 1...407408409410411412413414415416417418419420421...3399 新しいコメント Maxim Dmitrievsky 2017.06.14 14:09 #4131 エリブラリウスなぜ知られていないのか?分割するクラスタ数は,開始時に入力値として設定される: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? つまり、サンプルの中でどのクラスが何に属するのかが事前に分からない...その後のトレードでどうするかは分からないが、どのケースが売りシグナルに属し、どのケースが買いシグナルに属するのか、何が多いのか、などは分かるかもしれない...ということだ。 Aleksey Terentev 2017.06.14 14:10 #4132 アレクセイ・テレンテフ 私が知っているMLパッケージは、どれも層の活性化関数を変更することができました。 基本的には、十分な知識があり、ライブラリが許すのであれば、ニューロンクラスを継承して、そこに活性化関数を登録することができます。 しかし、それは極端な方法です。 詰め込んでリカレントレイヤーを何枚か書きたかったんだけどな~、正気に戻ってよかった。=) Forester 2017.06.14 14:18 #4133 アレクセイ・テレンテフ 基本的には、十分な知識があり、ライブラリが許すのであれば、ニューロンクラスを継承して、そこに活性化関数を書けばよいのです。 しかし、これらは極端な方法です。 一度、再起不能のレイヤーを2つほど突っ込んで書きたかったのですが、正気に戻ってよかったです。=) 出力タイプによるネットワークタイプの初期選択だけで、何も書き換える必要はない(内部レイヤーはすべて非線形としてハードワイヤードされている) Maxim Dmitrievsky 2017.06.14 14:24 #4134 ソフトマックスはシグナルを正常に分割し、以前は買いと売りが少なかったのですが、今は均等になりました。でも、まだ損をしているので、もっと予測や目標を練らないといけないですね。 Mihail Marchukajtes 2017.06.14 15:34 #4135 みんな、2つの出口の確率について。出口を買うと0.9、出口を売ると0.1というのは、全くその通りだと思います。しかし、なぜそれが必要なのかは、興味深い問題です。アウトオブサンプルのプロットでは、両方の入力が0.9を与えることになる......それではどうだろう?ほとんどの場合、前後のジッターが発生しています。また、市場でも不確実性があるときに起こります。市場はどこに行くべきかわからず、シグナルはすでに出ている。そして、よく言われるように、より多くの情報を得ることができる...。 Mihail Marchukajtes 2017.06.14 15:36 #4136 市場を完全に認識する方法について、長い記事を書いて欲しいですか?とにかく、2台3台のコンピュータで並列計算することを考えれば、もっと早くできるはずで、私は3コアでやっているのですが...。 Mihail Marchukajtes 2017.06.14 15:43 #4137 毎朝、モデルのオリエンテーションをしないと、今後の仕事にならない」と叱られたのを覚えています。今日の私のストレートモデルはこんな感じです。悪いと言えば悪い、もちろん言うよ...。今度はそれを頭の中でミラーリングして、3つ目のシグナルからトレードを開始します。今度は何?そして、オリエンテーション方式はデタラメだと言うのか...。そして、おばあちゃんを甘やかす必要はない!!!!:-))))) Mihail Marchukajtes 2017.06.15 00:46 #4138 よし、じゃあ、せっかくだから、加工用のデータ収集についての考え方を教えてあげよう。市場は生き物ですから、十分な広さのエリアで高い一般性を持つモデルを訓練するのは本当に大変です。学習期間が長ければ長いほど、モデルの性能は低下するが、その分長くなる。目的:ロングランモデルを作る。分割または方法2、しかし、2つのネットワークの委員会を使用している人のために。グリッドの表示方向が異なる場合、「はい」「いいえ」「わからない」の3つの状態を用意しています。セクション全体(ここでは452エントリ)でネットワークを学習させる。学習セットの「わからない」回答は50%なので、226の信号はネットワークが学習できないと仮定し、このセットを55〜60%で学習した。そこで、今度は「わからない」状態だけでモデルを構築する、つまり、最初のモデルを惑わすような準状態でモデルを構築してみるのです。結果はほぼ同じで、226個のうち半分だけが認識され、残りは「わからない」状態になり、再度モデルを構築します。結果は113個、次に56個、次に28個、次に14個です。Jprediction Optimizerは、これまでのどのモデルでも知られていない14の項目に対して、通常100%までの汎化率を計算することができます。その結果、3カ月で市場全体を認識する「パターン・システム」ができあがりました。ここでは、「今日の文脈」以外の方法として、マーケットを部分空間に分割し、まさに「パターン・システム」を取得してトレーニングを行う方法を紹介します・・・。 Mihail Marchukajtes 2017.06.15 00:57 #4139 正直なところ、ここでは細分化した部分を少し変えていますが、本質は変わりません。288行の一般的なファイルがあったので、それを3つのサンプルに分けました。トレーニングサンプルのレコード数は、Tootalパターンという行で指定します。* Sensitivity of generalization abiliy: 74.07407407407408% * Specificity of generalization ability: 70.96774193548387% * Generalization ability: 72.41379310344827% * TruePositives: 20 * FalsePositives: 7 * TrueNegatives: 22 * FalseNegatives: 9 * Total patterns in out of samples with statistics: 58 最後の1枚です。* Sensitivity of generalization abiliy: 61.904761904761905% * Specificity of generalization ability: 60.0% * Generalization ability: 60.869565217391305% * TruePositives: 39 * FalsePositives: 24 * TrueNegatives: 45 * FalseNegatives: 30 * Total patterns in out of samples with statistics: 138 そして最後の1枚。* Sensitivity of generalization abiliy: 69.04761904761905% * Specificity of generalization ability: 66.0% * Generalization ability: 67.3913043478261% * TruePositives: 29 * FalsePositives: 13 * TrueNegatives: 33 * FalseNegatives: 17 * Total patterns in out of samples with statistics: 92 無条件でそれぞれ得をするはずだが、この辺りの取引の総数54個に注目する(基本戦略)。そして、それらが一斉に動き出すとこうなるのです。 Mihail Marchukajtes 2017.06.15 01:11 #4140 05.29以降の15分間は全てサンプル外のサイトです。すでに3週目に突入しています。しかし、それ以上得られないのであれば、基本的にはアプローチに小出しにしていくことになると思いますが......。:-) 1...407408409410411412413414415416417418419420421...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
なぜ知られていないのか?分割するクラスタ数は,開始時に入力値として設定される: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?
つまり、サンプルの中でどのクラスが何に属するのかが事前に分からない...その後のトレードでどうするかは分からないが、どのケースが売りシグナルに属し、どのケースが買いシグナルに属するのか、何が多いのか、などは分かるかもしれない...ということだ。
私が知っているMLパッケージは、どれも層の活性化関数を変更することができました。
しかし、それは極端な方法です。
詰め込んでリカレントレイヤーを何枚か書きたかったんだけどな~、正気に戻ってよかった。=)
基本的には、十分な知識があり、ライブラリが許すのであれば、ニューロンクラスを継承して、そこに活性化関数を書けばよいのです。
しかし、これらは極端な方法です。
一度、再起不能のレイヤーを2つほど突っ込んで書きたかったのですが、正気に戻ってよかったです。=)
ソフトマックスはシグナルを正常に分割し、以前は買いと売りが少なかったのですが、今は均等になりました。でも、まだ損をしているので、もっと予測や目標を練らないといけないですね。
毎朝、モデルのオリエンテーションをしないと、今後の仕事にならない」と叱られたのを覚えています。今日の私のストレートモデルはこんな感じです。悪いと言えば悪い、もちろん言うよ...。今度はそれを頭の中でミラーリングして、3つ目のシグナルからトレードを開始します。今度は何?そして、オリエンテーション方式はデタラメだと言うのか...。
そして、おばあちゃんを甘やかす必要はない!!!!:-)))))
よし、じゃあ、せっかくだから、加工用のデータ収集についての考え方を教えてあげよう。市場は生き物ですから、十分な広さのエリアで高い一般性を持つモデルを訓練するのは本当に大変です。学習期間が長ければ長いほど、モデルの性能は低下するが、その分長くなる。目的:ロングランモデルを作る。分割または方法2、しかし、2つのネットワークの委員会を使用している人のために。
グリッドの表示方向が異なる場合、「はい」「いいえ」「わからない」の3つの状態を用意しています。
セクション全体(ここでは452エントリ)でネットワークを学習させる。学習セットの「わからない」回答は50%なので、226の信号はネットワークが学習できないと仮定し、このセットを55〜60%で学習した。そこで、今度は「わからない」状態だけでモデルを構築する、つまり、最初のモデルを惑わすような準状態でモデルを構築してみるのです。結果はほぼ同じで、226個のうち半分だけが認識され、残りは「わからない」状態になり、再度モデルを構築します。結果は113個、次に56個、次に28個、次に14個です。Jprediction Optimizerは、これまでのどのモデルでも知られていない14の項目に対して、通常100%までの汎化率を計算することができます。
その結果、3カ月で市場全体を認識する「パターン・システム」ができあがりました。
ここでは、「今日の文脈」以外の方法として、マーケットを部分空間に分割し、まさに「パターン・システム」を取得してトレーニングを行う方法を紹介します・・・。
正直なところ、ここでは細分化した部分を少し変えていますが、本質は変わりません。
288行の一般的なファイルがあったので、それを3つのサンプルに分けました。トレーニングサンプルのレコード数は、Tootalパターンという行で指定します。
最後の1枚です。
そして最後の1枚。
無条件でそれぞれ得をするはずだが、この辺りの取引の総数54個に注目する(基本戦略)。そして、それらが一斉に動き出すとこうなるのです。