линейный предиктор изменяется на единиц. (Это может быть как реалистичной интерпретацией, так и нереалистичной. В примере с объемом древесины, если радиус ствола дерева увеличивается, то, вероятно, возрастает и его высота.) Ожидаемое значение У связано с линейным предиктором посредством функции связи . В некоторых случаях известны естественные...
https://medium.com/@ceshine/feature-importance-measures-for-tree-models-part-i47f187c1a2c3
少なくとも1つのメソッドをalgib forestsに追加すれば、Rを使わずにMT5で自動的にデータ取得ができるようになります。
caretで最も素晴らしい予測器選択：gafs - 予測器の遺伝的選択、rfe - 予測器の逆選択（最速）、safs - 予測器選択のシミュレーション堅牢性（アニーリング）- 最も効率的です。
機械学習は、データマイニング、モデリング、推定というサイクル全体を含むシェルであることに注意が必要です。
PS.
あなたが抱えているのは、「こうすれば完成する...」というものばかり。
いや、正確にはRFでの選別方法であって、他の方法ではありません。それともRF用？ジニが一番人気なんですね。
はい、R MDIを使用しています。
予測因子の選択について...
モデルに最初に追加される -曜日。40日間（8週間）、木曜日に買うことを学習し、10日間（2週間）のテストでは、ほぼ毎週木曜日のバーを買い、勝利していたことがわかりました。また、他の日には取引をしないか、孤立した取引しかしていない。
結論：平日を外すとトレードが成立しない。今は、それなしでテストしているので、どうなるかはこれからです。
しかし、オートメーションはこの予測因子を非常に重要視しており、純粋に常識で判断して落選しました。
だから、自動化に頼るのはちょっと...。手動で見てわかるのは曜日だけで、もっと細かいものは気づかない可能性がありますが
予測変数の選択について...
モデルに最初に追加される -曜日。ベストバリアントの取引を見ると、40日間（8週間）木曜日に買うことを学習し、10日間（2週間）のテストでは、ほぼ毎週木曜日のバーが買いで、勝っていることが判明したのです。また、他の日には取引をしないか、孤立した取引しかしていない。
結論：平日を外すとトレードが成立しない。今は、それなしでテストしているので、どうなるかはこれからです。
しかし、この排除は純粋に常識に基づくものであり、自動化はこの予測器を非常に重要視している。
だから、自動化に頼るのはちょっと危険なんです...。
もし、ある変数が重要でないなら、それを削除して、余分な次元を生成しないようにすればいいのです。
重要なのは、フォワードでモデルが動くかどうかではなく、現時点での機能がどれだけターゲットを表現しているかということです
一方、NSやDeep NSでは、特徴量の選択はあまり重要ではなく、重みを少なくするだけで、余分な特徴量はほとんど効果がないのです。追加チューニングはもちろん良いのですが、統計のためのデータ悪魔主義であり、ハンディキャップには適していませんし、5-7%の品質向上が得られるだけで、何の意味もありません。
FXの予測変数の選択自体はほとんど時間の無駄であり、重要度はセットによって異なる。アイエムエイチエー
一方、NSやDeep NSの場合、形質選択は全く重要ではなく、重みを小さくするだけで、余分な形質はほとんど影響しないのです。追加チューニングは確かに良いが、それは統計のためのデータサタニズムであり、ハンディキャッピングには適さない
私の例では、木曜日が（50日間隔で）非常に買いやすいことがわかり、NSはその曜日に 最も高いウェイトを割り当てたようです。うまくいったが、木曜日にすべてのバーで買うのは間違いだと思う。結局のところ、物事は変化するものであり、より深いパターンを探す必要があるのです。
1年分の学習が必要かも・・・。しかし、その6、7倍の時間がかかるのです。そうすると、曜日の重要性が下がるかもしれませんね。
私の例では、木曜日が（50日間隔で）非常に良い買い物の日であることがわかり、NSはその曜日を 最も重要視したようです。NSは稼いだが、木曜日の全バーで買うのは間違いだと思う。結局のところ、物事は変化するものであり、より深いパターンを探す必要があるのです。
より多くのサンプルが必要なのか、それとも自分自身を再教育して評価する必要があるのか...私は後者をやっています。いわばラストランです :)
ギャップの頻度も研究すべきです。私は、JPYのチャートが、まるで斧で相場の上昇を切り刻むかのように記憶しています。では、どうやって取引するか。これらの1000pipsを超える振幅は、（ギャップのボラティリティレベルによって）構造化され、それらが繰り返される確率を計算する必要があります。確率は高い - Expert Advisorはこのチャート上で眠っている。あるいは、ギャップ確率の上昇を捉え、その方向性を把握した上で、保留注文を利用して乗ってみることもできます。また、ギャップの前に何が起こるかを研究することも重要です。なぜなら、それは明らかに人為的なものであり、これから起こるギャップの方向とは逆の方向に注文を集中させるために、ギャップの前にそこでズルをしているのです。追加されました。
そして、セットについても賛成です。しかし、時間軸ごとにセットは異なります。分なら1日、1時間なら1ヶ月など。それとも、見積もり行動の儲けパターンが、より多く発生するということでしょうか？そうです。この「パターン」が作られた時点で、1セットが計測されることになります。
そして、現在の日付に近い見積もり履歴またはあなたの予測因子（私は彼らがチャート上の見積もり動作の繰り返しパターンであると理解するように）のこれらの値は、より大きな重みを持っている必要があります、すなわち、1年間の歴史は、これらの予測因子を検索するための唯一の関心事である - 予測因子の配列のための見積もり動作の繰り返し "利益 "パターンと引用履歴上の検出頻度に応じた重みづけを与えます。2つ目のウェイトは、チャート内の最新のイベントへの近さに応じて予測器のステータスを上げる必要があります。
メンデレーフが目を覚まして、眠りからすべてを語ったようなものだ。私自身は理解していません)))。がんばってください、結果を待っています。
年率100％、安定した取引。他には何もいらない。やりすぎは禁物です。
預言者
年率100％では足りず、1ヶ月は必要 :)
予測因子の選択について...
モデルに最初に追加される -曜日。40日間（8週間）、木曜日に買うことを学習し、10日間（2週間）のテストでは、ほぼ毎週木曜日のバーを買い、勝利していたことがわかりました。また、他の日には取引をしないか、孤立した取引しかしていない。
結論：平日を外すとトレードが成立しない。今は、それなしでテストしているので、どうなるかはこれからです。
しかし、この排除は純粋に常識に基づくものであり、自動化はこの予測器を非常に重要視している。
だから、自動化に頼るのはちょっと...。手動で見てわかるのは曜日だけで、もっと細かいものは気づかない可能性がありますが
no...を削除しても、曜日は変わりません。コンテクストとして5本のデイリーバーがあり、そこからきているのかもしれませんが...。これ無しでやってみないと。
ということは、ほとんど効果がないということです......それなのに、どうして理解できるのでしょうか？予測変数の値を順番にシャッフルして再トレーニングし、全体の誤差がどのように変化するかを見るだけです。
ただ、ランダムにシャッフルされたデータが、突然、非常に重要であることが判明するというサプライズもあり得るのです :)+ 機能が多ければ＋長い時間。だから、機能がないとシンドイんです