Actually I've known about MXnet for weeks as one of the most popular library / packages in Kaggler, but just recently I heard bug fix has been almost done and some friends say the latest version looks stable, so at last I installed it. Convolutional Neural Network (CNN) I believe almost all readers of this blog already know well about Deep...
簡単な実験をしてみましょう。学習ファイルに200行ほどあり、予測範囲は30％です。そこで、ファイルを2つに分けて、最初のファイル には最初の150行を、2番目のファイルには残りの50行の最終行を入れることにします。150行の新しいファイルでjPredictorをトレーニングし、"use model "で残りの50行を予測します（データを一つずつ入力する必要があり、多少時間がかかります）。正解数を計算すると、全然90%にならない、良くて60%くらいだと思う。 メインで使っているインジケーターがあるからこそ利益が出るのであって、そのままでも多少は利益が出るようですし、ニューロンでフィルターを追加したおかげで、少し改善されただけです。
簡単な実験をしてみましょう。学習ファイルには200行あり、予測範囲は30％だと思います。そこで、ファイルを2つに分割し、最初のファイル には最初の150行を、2番目のファイルには残りの最後の50行を入れることにします。150行の新しいファイルでjPredictorをトレーニングし、"use model "で残りの50行を予測します（データを一つずつ入力する必要があり、多少時間がかかります）。正解数を数えてみると、まったく90％にはならず、せいぜい60％くらいでしょうか。 あなたはまだメインのインジケータのおかげで利益を得ているに過ぎず、どうせ多かれ少なかれ利益を得ているはずで、ニューロンの追加フィルタのおかげでそれをわずかに改善しただけです。
あなたは、自分のモデルが長期にわたってどのように機能するのか、全くわかっていないのです。あなたのモデルは、よく選ばれたいくつかの写真に写っている信号を勘違いして、学習したノイズのセットかもしれません。
まずはやり方を考え直して、徹底的にテストすることをお勧めします。谷や山が見えてきて、もしかしたら、でも可能性は低いけど、ゼロ満期予想に少し勝てるかもしれない。そして、これらはすべて、実際のお金を失い始める前に行うことができます。
一番驚いたのは、私のシステムに対する信頼感です。さて、週明けにでも、その様子をお見せしましょうか...。いいかい？
やめてくれ1週間プラス、1週間マイナス。指標にはならない。
あなたのシステムには100％の自信はありません。多かれ少なかれ長い期間、どのようなパフォーマンスを発揮するかわからないという事実があります。これは経験を共有するためのスレッドです。ここからは私の経験ですが、あなたのこれまでの結果は、まぐれかパターンかのどちらかですが、まぐれの方が確率が高いと思います。そして、アドバイスをしています。
こんにちは。
私はmxnetパッケージhttp://tjo-en.hatenablog.com/entry/2016/03/30/233848 から畳み込みネットワークを実行しようとしていますが、ネットワークは主に写真で動作し、データは行列を持つ多次元配列の形で取られるため、「私たちの」データ、すなわち文字列の形で実行する方法がよくわかりません。要するに、誰かが理解して実行する方法を知っているなら、私は、例えば "花菖蒲 "のネットワークの例を非常にありがたいでしょう
まさか...。全体のうち、エラーの数を見て、エラーが増えたら、ネットワークを再トレーニングする必要があります。例えば、20個の信号のうち4個のエラーがあればOKで、エラーが増えたらネットの再トレーニングが必要です。もうひとつの疑問は......どの機種を選べば、10回分の信号を信頼できるのか、ということです。まあ、ユーリはなんとなくそう言っていた。二項モデル、三項モデルともに最大限の汎化度を示すモデルを選び、作業を開始しよう。そして、戦略の作業時間を質的に増やすには、訓練可能な間隔を広げる必要があり、そのためには入力の数を増やす必要がある。つまり、10個の入力で100個の信号をゼロにすることができます。15入力で225エントリーを扱えるので、6週間分のシグナルとなり、ネットワークのサンプル切れ時間が1週間ではなく、2週間と長くなるのです。適切なエラー率でエラーを出さずに作業することは不可能です。したいのですが、無理です。 要は、このエラーによる預金への影響を減らせば、商売になりますから（笑)。
libVMRやjPredictorは、FXでインフレ気味なパフォーマンスを示すので、注意してください。FXの場合、トレーニングサンプル以外のデータでテストすることが非常に重要です。libVMRやjPredictorは、ソースファイルからデータを取得し、その中からランダムに半分の行を選択してモデルを学習し、そのデータでモデルを構築し、残りの行でテストを行います。絵の認識やテキストの評価など、簡単なタスクの評価に適しています。しかし、為替には不利になる。
簡単な実験をしてみましょう。学習ファイルに200行ほどあり、予測範囲は30％です。そこで、ファイルを2つに分けて、最初のファイル には最初の150行を、2番目のファイルには残りの50行の最終行を入れることにします。150行の新しいファイルでjPredictorをトレーニングし、"use model "で残りの50行を予測します（データを一つずつ入力する必要があり、多少時間がかかります）。正解数を計算すると、全然90%にならない、良くて60%くらいだと思う。
メインで使っているインジケーターがあるからこそ利益が出るのであって、そのままでも多少は利益が出るようですし、ニューロンでフィルターを追加したおかげで、少し改善されただけです。
やめてくれ1週間プラス、1週間マイナス。指標にはならない。
あなたのシステムには100％の自信はありません。多かれ少なかれ長い期間、どのようなパフォーマンスを発揮するかわからないという事実があります。これは経験を共有するためのスレッドです。ここからは私の経験ですが、あなたのこれまでの結果は、まぐれかパターンかのどちらかですが、まぐれの方が確率が高いと思います。そして、アドバイスをしています。
libVMRやjPredictorは、FXでインフレ気味なパフォーマンスを示すので、注意してください。FXの場合、トレーニングサンプル以外のデータでテストすることが非常に重要です。libVMRやjPredictorは、ソースファイルからデータを取得し、その中からランダムに半分の行を選択してモデルを学習し、そのデータでモデルを構築し、残りの行でテストを行います。絵の認識やテキストの評価など、簡単なタスクの評価に適しています。しかし、FXでは通用しない。
簡単な実験をしてみましょう。学習ファイルには200行あり、予測範囲は30％だと思います。そこで、ファイルを2つに分割し、最初のファイル には最初の150行を、2番目のファイルには残りの最後の50行を入れることにします。150行の新しいファイルでjPredictorをトレーニングし、"use model "で残りの50行を予測します（データを一つずつ入力する必要があり、多少時間がかかります）。正解数を数えてみると、まったく90％にはならず、せいぜい60％くらいでしょうか。
あなたはまだメインのインジケータのおかげで利益を得ているに過ぎず、どうせ多かれ少なかれ利益を得ているはずで、ニューロンの追加フィルタのおかげでそれをわずかに改善しただけです。
データの準備の仕方を知らないだけです :-)私は全く予測範囲外なんですよ。30%は信頼区間であり、50%すべてではないにせよ、モデルを信頼できる区間である。I.e.3週間のトレーニングを受けていれば、1週間は使えるはずです。Yuryのpredictorを1年以上使っていますが、データの準備の仕方、何ができて（predictor）、何ができないのか、単純に理解するだけでなく、多くのことを理解しています。データの入ったファイルを送ってくれれば、私がモデルを学習させ、将来的にどのように機能するかを見ることができます。もちろん、あなたが望むなら、ですが．
そして、その際には、以下のことを行います。1週間休んで...(今週はテスト週とし、サンプル外) 長時間学習させないように、10入力=100レコードの割合でデータを保存する。私がモデルをトレーニングし、あなたはそれを自分のTSに適用し、その構築原理を予習し、この1週間の結果を示して、さあ...。いかがでしょうか？
つまり、3週間訓練したのなら、1週間働けばいいのです。
どこにキャッチがあるのかと。この掲示板には、レシェトフの手工芸品で実際にお金を稼ごうとする人はまだいませんね。そして、これだ!もちろんキャッチは）。
さて、今持っている画像で動作する例は、このファイルから作られています。
シグナル後の100ポイントの利益はどのように計算するのですか？
例えば、未来のローソク足をn本取り、その影を測定することができます。任意のローソク足の陰線とシグナル方向の現在値との 差が100ポイント以上あれば、1本とする。どのローソク足でも条件が成立しない場合、結果は0となります。
2つ目のバリエーション：現在のローソク足から100ポイント離れたところにStopLossとTakeawayを設定したEAを作り、シグナルによってトレードを開始し、パターンを記憶させます。ポジションがクローズされた後、それを見ています。もし利益で終われば、サンプル中のこのパターンに1をマークし、もし損失を示せば、0をマークする。
もちろん、サンプリングのためにデータを収集するスクリプトやExpert Advisorのコードなどを、私の個人領域に送っていただいても構いません。自分で整理してみる。
現在、jPredictionを適応して、MQLでコードを抽出してコンパイルする必要がないようにしようとしています。EAがパターンをファイルにダンプし、Javaツールである三項分類器がそのようなファイルを読み、シグナルを確認したら、アドバイスと音声によるアラートを表示するのです。IMHOこれは簡単になりますか？
その後、全自動モードにすることで、分類器とExpert Advisorがファイルを交換し、自動的にトレードを開始することができるようになります。
知りたいのは、シグナル後の100pipsの利益はどのように計算するのですか？
例えば、未来のローソク足をn本取り、その影を測定することができます。いずれかのローソク足で、シグナル方向の陰線と現在値との 差が100pips以上あれば、1本設定する。どのローソク足でも条件が成立しない場合、結果は0となります。
2つ目のバリエーション：現在のローソク足から100ポイント離れたところにStopLossとTakeawayを設定したEAを作り、シグナルによってトレードを開始し、パターンを記憶させます。ポジションがクローズされた後、それを見ています。もし利益で終われば、サンプル中のこのパターンに1をマークし、もし損失を示せば、0をマークする。
もちろん、サンプリングのためのデータを収集するスクリプトやExpert Advisorのコードを、私の個人的なメッセージで送っていただいても結構です。自分で整理してみる。
現在、jPredictionを適応して、MQLでコードを抽出してコンパイルする必要がないようにしようとしています。EAがパターンをファイルにダンプし、Javaツールである三項分類器がそのようなファイルを読み、シグナルを確認した場合、アドバイスと音声によるアラートを表示するのです。IMHOはそれが簡単になる？
その後、全自動モードにすることで、クラシファイアとExpert Advisorがファイルを交換し、自動的に取引を開始することができるようになります。
もっと単純な話です。現在のシグナルのクローンと前のシグナルのクローンの差を計算し、この差がシグナルの方向を考慮して正であり、差の正が100pips以上であれば、前のシグナルは「1」、それ以下であれば「0」です。ニューロシェルのために書かれた「ローファー」の力を借りて、すべてを保存しています。どの指標のデータもksvファイルに保存するのが良いということなので、そんな感じです......。私はEAを使わず、手作業で取引し、インジケーターにモデルを入れているので、EAは必要ないのです。一番簡単なのは、2進数のモデルと一緒に3進数のモデルも残しておくことです。例えば、2進数の場合はファイル名の前に_2、3進数の場合はファイル名の前に_3をつければ十分です......。IMHOすべての輝きはシンプルであり、物事を複雑にする必要はない。
ここに任意の指標のデータを保存するEAがあります、5分間の関数を見て、私はそこに私の指標を持っています。しかし、それはすべてMT4用で、私はMT4でしか仕事をしていないのです...。じゃあね...