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 417 1...410411412413414415416417418419420421422423424...3399 新しいコメント Ivan Negreshniy 2017.06.15 18:56 #4161 ミハイル・マルキュカイツ というのが、実は答えなんです...ボソッ。という結果が出ず......。取引報告書を提出すれば、必ず結果が出るし、プラスになる。 Mihail Marchukajtes 2017.06.15 18:58 #4162 イワン・ネグレシュニートレーディングレポートを投稿すると、結果が表示され、それが肯定的なものであれば、真剣に話をすることができます。私は、FXとは異なるが、利益率の低いタスクのモデルを構築することを提案したのですが、あなたはトレーディングについて教えてくれました...不思議です!!! Ivan Negreshniy 2017.06.15 19:02 #4163 ミハイル・マルキュカイツ 私は、FXとは異なるタスクのモデルを構築することを提案しましたが、それに勝るとも劣らない利益を得ることができますし、あなたは取引について教えてくれました。もし、あなたがFXに劣らない利益を生む仕事を私に提供したのなら、あなたのFXがどれだけ利益を生むのか、私には知る権利があります、それのどこがおかしいのでしょうか? Mihail Marchukajtes 2017.06.15 19:05 #4164 イワン・ネグレシュニーFXに劣らず儲かる仕事を提供してくれたら、FXがどれだけ儲かるか知る権利がある、何がおかしいんだ?FXと何の関係があるんだ? FXについては、私の過去の投稿や記事を読んでください...私はFXの話をしているのではありません...。 Ivan Negreshniy 2017.06.15 19:15 #4165 ミハイル・マルキュカイツ FXと何の関係があるのでしょうか? 私の過去の投稿や記事を読んでください...。 FXの話なんてしていませんよ...。 を読みに行ったのですが... Maxim Dmitrievsky 2017.06.16 10:25 #4166 エリブラリウス は、最初に出力の種類でネットワークの種類を選択するだけなので、何も書き換える必要はありません(内部層はすべて非線形としてハードワイヤードされています)。 alglibで同じように作成したネットワークを再トレーニングする実験をしましたか? 例えば、MLPをトレーニングしてから再トレーニングしました... 再トレーニングされ、エラーもありませんが、多分これは正しくなく、新しいネットワークオブジェクトを作成する必要がありますか? または何らかの方法でそこで再トレーニングされ、再びトレーニングされない... 再び、ヘルプにはそれについて何もなく、私はコードを掘り起こしてそこを見るのはちょっと怠惰です)。 Forester 2017.06.16 13:05 #4167 マキシム・ドミトリエフスキー alglibで同じように作成したネットワークを再トレーニングする実験はしましたか? MLPをトレーニングしてから再トレーニングするとします...再トレーニングされ、エラーはありませんが、もしかしたらこれは間違っていて、新しいネットワークオブジェクトが作成されるべきでしょうか? あるいはそこで何らかの形で再トレーニングされて、再びトレーニングされない...もし、ヘルプにはそれについて何もありませんが、コードを掘り下げてそこを見るのはちょっと面倒です) もう一度再トレーニングすれば、誤差はなく(係数がリセットされるので再トレーニングにはならない)、新しい組み合わせを見つけるだけである。 Mihail Marchukajtes 2017.06.16 17:34 #4168 マキシム・ドミトリエフスキー 私はまだalglibで作成した同じネットワークを再トレーニングする実験をしたことがありません? 例えば、MLPをトレーニングして、それを再トレーニングするとします... それは再トレーニングされ、エラーはありませんが、それは正しくなく、新しいネットワークオブジェクトを作成する必要があるかもしれません? またはそれは何らかの形でそこで再トレーニングされて再びトレーニングされない... 再び、ヘルプにはそれについて何もありません、それはそこにコードを探して周りを調べるのはちょっと怠惰です)。非常に興味深いアプローチで、世界と同じくらい古いものです。学習して結果を出し、他のいくつかのネットワークのデータで再度学習させる。形式を変えたディープラーニングの一種...。ところで、このやり方は良いのですが...。 Maxim Dmitrievsky 2017.06.17 07:02 #4169 ミハイル・マルキュカイツ 非常に興味深いアプローチで、世界と同じくらい古いものです。学習して結果を出し、他のいくつかのネットワークのデータで再度学習させる。形式を変えたディープラーニングの一種...。ところで、これはいい方法だと思うのですが...。いいえ、テスターで一定の間隔で、例えばあるドローダウンの時などに再トレーニングを行うだけです。複数のネットを使う場合、algliebにはnsアンサンブルというのがあって、あとで遊んでみよう、夏だから、のんびり...海辺のひな祭りモヒート、なんちゃって...。シベリアの海は、川と沼しかないそして、ブースティングやシュマストリングなど様々なものがあり、LSTMは私の願望の遠大な理想であり、まだ到達していません。 Maxim Dmitrievsky 2017.06.17 08:52 #4170 ウラジミール・ペレヴェンコミハイル・マルキュカイツ 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。Context of the Day」以外の方法として、マーケットをサブスペースに分解し、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ご紹介します・・・。------------------------------------------------------------この方法は 「ブースティング」と呼ばれる 。 ブースティングは、機械学習アルゴリズムの構成を順次構築する手順で、連続する各アルゴリズムは、以前のすべてのアルゴリズムの構成の欠落を補おうと する。ブーストは、アルゴリズムの構成を構築するための貪欲なアルゴリズム である。最近のアプリケーションでは、XGBoostが有名です。グッドラック XGBoostは最適化された分散勾配ブーストライブラリであり、機械学習アルゴリズムの構成構築と何が関係するのでしょうか? 1...410411412413414415416417418419420421422423424...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
というのが、実は答えなんです...ボソッ。という結果が出ず......。
取引報告書を提出すれば、必ず結果が出るし、プラスになる。
トレーディングレポートを投稿すると、結果が表示され、それが肯定的なものであれば、真剣に話をすることができます。
私は、FXとは異なるが、利益率の低いタスクのモデルを構築することを提案したのですが、あなたはトレーディングについて教えてくれました...不思議です!!!
私は、FXとは異なるタスクのモデルを構築することを提案しましたが、それに勝るとも劣らない利益を得ることができますし、あなたは取引について教えてくれました。
もし、あなたがFXに劣らない利益を生む仕事を私に提供したのなら、あなたのFXがどれだけ利益を生むのか、私には知る権利があります、それのどこがおかしいのでしょうか?
FXに劣らず儲かる仕事を提供してくれたら、FXがどれだけ儲かるか知る権利がある、何がおかしいんだ?
FXと何の関係があるんだ? FXについては、私の過去の投稿や記事を読んでください...私はFXの話をしているのではありません...。
FXと何の関係があるのでしょうか? 私の過去の投稿や記事を読んでください...。 FXの話なんてしていませんよ...。
は、最初に出力の種類でネットワークの種類を選択するだけなので、何も書き換える必要はありません(内部層はすべて非線形としてハードワイヤードされています)。
alglibで同じように作成したネットワークを再トレーニングする実験はしましたか? MLPをトレーニングしてから再トレーニングするとします...再トレーニングされ、エラーはありませんが、もしかしたらこれは間違っていて、新しいネットワークオブジェクトが作成されるべきでしょうか? あるいはそこで何らかの形で再トレーニングされて、再びトレーニングされない...もし、ヘルプにはそれについて何もありませんが、コードを掘り下げてそこを見るのはちょっと面倒です)
私はまだalglibで作成した同じネットワークを再トレーニングする実験をしたことがありません? 例えば、MLPをトレーニングして、それを再トレーニングするとします... それは再トレーニングされ、エラーはありませんが、それは正しくなく、新しいネットワークオブジェクトを作成する必要があるかもしれません? またはそれは何らかの形でそこで再トレーニングされて再びトレーニングされない... 再び、ヘルプにはそれについて何もありません、それはそこにコードを探して周りを調べるのはちょっと怠惰です)。
非常に興味深いアプローチで、世界と同じくらい古いものです。学習して結果を出し、他のいくつかのネットワークのデータで再度学習させる。形式を変えたディープラーニングの一種...。ところで、このやり方は良いのですが...。
非常に興味深いアプローチで、世界と同じくらい古いものです。学習して結果を出し、他のいくつかのネットワークのデータで再度学習させる。形式を変えたディープラーニングの一種...。ところで、これはいい方法だと思うのですが...。
いいえ、テスターで一定の間隔で、例えばあるドローダウンの時などに再トレーニングを行うだけです。複数のネットを使う場合、algliebにはnsアンサンブルというのがあって、あとで遊んでみよう、夏だから、のんびり...海辺のひな祭りモヒート、なんちゃって...。シベリアの海は、川と沼しかない
そして、ブースティングやシュマストリングなど様々なものがあり、LSTMは私の願望の遠大な理想であり、まだ到達していません。
ミハイル・マルキュカイツ
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。
Context of the Day」以外の方法として、マーケットをサブスペースに分解し、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ご紹介します・・・。
------------------------------------------------------------
この方法は 「ブースティング」と呼ばれる 。 ブースティングは、機械学習アルゴリズムの構成を順次構築する手順で、連続する各アルゴリズムは、以前のすべてのアルゴリズムの構成の欠落を補おうと する。ブーストは、アルゴリズムの構成を構築するための貪欲なアルゴリズム である。
最近のアプリケーションでは、XGBoostが有名です。
グッドラック