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 71 1...646566676869707172737475767778...3399 新しいコメント Mihail Marchukajtes 2016.07.27 09:32 #701 ユーリー・レシェトフ： 他のソフトに乗り換えるように説得しても無駄だ。それは心理的に難しいことで、私自身の経験からもわかるし、他の人たちの様子も何度も見てきた。例えば、私がある組織で働いていたとき、新しいコンピュータを導入し、Windowsを立ち上げたことがあります。しかし、人々はWordやExcelを使いこなせず、MS-DOSを立ち上げ、Lexiconというテキストエディタで表も含めてすべての文書を記入していた。他のソフトへの大量移行が始まるには、例えば儲かるシグナルという形で具体的な成果が示されなければならない。AfterEffects Expert Advisorを作成した際に、そのシグナルもデモで立ち上げてみました。その利益を見たユーザーがExpert Advisorをダウンロードするようになったのです。現在、AfterEffectsの最適化について説明したページが、長期間シグナルが無効になっているにもかかわらず、統計によると最もアクセス数が多いページとなっています。どうやら、Expert Advisorを取引で運用し、利益を得て、他の人にアドバイスした人がいるようです。jPredictionでも同様のことが必要です。MetaTraderで完全自動のjPredictionバンドルを構築し、少なくともデモで利益を得て、シグナルを実行し、ユーザーへのインストラクションを作成する。そうすれば、もっともっと多くの人が集まってきます。 なぜだ!!!自分たちで切り刻もう...。自分たちが満足していることを自覚し、他の人たちは自分たちの聖杯を 探し続けるかもしれない、もしかしたらいつか見つかるかもしれない・・・。:-) Mihail Marchukajtes 2016.07.27 09:36 #702 mytarmailS:OMG・・・。私も同じことをしましたが、結果はゼロでした」と書いたところ、「データを正しく準備しなければならない」と言われましたが、どういうことでしょうか。説明いただけますか。 ポイントはありません、データとの変換は、オプティマイザReshetovに関連しており、どのようにあなたのネットワークが実装されている、私は全く分からないので、それは何かを言うことは意味がありません....週末には、分類と予測との違いについて論説を準備しますので、お待ちください。これが一番大事なんです!!!!ネットにできること、できないことを理解する。変な人が「ネットに全部載せて、必要なものはネットに決めてもらおう」なんて言うからびっくりする。おかしいな...。なぜなら、ある入力を追加するとモデルが激変し、ある入力を追加することでモデルを悪化させる可能性も十分あるからだ......。しかし、最も重要なことは、予測と分類の違いを理解することです。この人たちはVERY DEFAULTなんだ...。を全く......。 mytarmailS 2016.07.27 10:01 #703 ミハイル・マルキュカイツ.週末には、分類と予測との違いについて論説を準備しますのでお待ちください。これが一番大事なんです!!!! 待ち Alexey Burnakov 2016.07.27 10:05 #704 ミハイル・マルキュカイツ データによる変換はオプティマイザーのレシェトフが実際に行っていることで、あなたのネットワークがどう実装されているかは、私にはわからないので、何を言っても意味がないのですが......。週末には、分類と予測との違いについて論説を準備しますので、お待ちください。これが一番大事なんです!!!!ネットにできること、できないことを理解する。変な人が「ネットに全部載せて、必要なものはネットに決めてもらおう」なんて言うからびっくりする。おかしいな...。なぜなら、ある入力を追加するとモデルが激変し、ある入力を追加することでモデルを悪化させる可能性も十分あるからだ......。しかし、最も重要なことは、予測と分類の違いを理解することです。この人たちはVERY DEFAULTなんだ...。を全く......。 バンチ分類器と回帰器は同じものです。と予測するのです。分類器だけがカテゴリーを生成する。リグレッサーは連続的な値である。 Vladimir Perervenko 2016.07.27 12:47 #705 アレクセイ・ブルナコフ コルホーズ分類器も回帰器も同じものです。と予測するのです。分類器だけがカテゴリーを生成する。リグレッサーは連続値を生成する。どちらかというと、保育園の託児所のようなものです。分類は基本的に回帰と同じである。しかし、細部には違いがあります。 回帰問題を解いた結果がpredictです。分類問題の結果は予測される。この2つのコンセプトの違いはおわかりいただけたと思います。グッドラック Yury Reshetov 2016.07.27 12:48 #706 ミハイル・マルキュカイツ 3元モデルをファイルにアップロードしてMKULで使用する方法は当面ないのでしょうか？ 現在、三元分類器のモデルをJavaにアップロードするためのcodogeneratorを完成させました。その作業性を検証してみる。例えば、Math.signum()という関数がmqlにはないなど、いくつかの違いがあります。そうすると、現地の人は他のことはわからないから、Rのモデルコード生成も作らないといけないと思うんです。 Alexey Burnakov 2016.07.27 13:27 #707 Yury Reshetov: 三項分類器のモデルをJavaにオフロードするためのコード生成器を完成させました。うまくいくかどうかテストしてみます。例えば、mqlではMath.signum()関数がないなど、いくつかの違いがあります。そうすると、ローカルフィギュアはもう何もわからないので、Rのモデルコード生成もやらなきゃいけないと思うんです。 MKL4では、どんなモデルでも使うことができます。個人的には、データのやり取りや 演算にかなり時間がかかるのが、少し気になりますね。5年分のテストランを1回するのに1時間かかるんです。しかも、これはどこかの委員会ではなく、1つのモデルです。 Alexey Burnakov 2016.07.27 13:43 #708 ウラジミール・ペレヴェンコどちらかというと、保育園の託児所のようなものです。分類は基本的に回帰と同じである。しかし、細部には違いがあります。 回帰問題を解いた結果がpredictです。分類問題の結果は予測される。両者の違いはおわかりいただけたと思います。グッドラック言ってみれば、言語的な機微はそれほど重要ではないのです。通常、回帰の場合はforecastという言葉が適切ですが、一般的にはpredictと言うのが正攻法です。要は--そう、これらのアプローチは本質的に同じことなのです。そして、回帰から分類器を作ることができます（正の値-カテゴリーA、負の値-カテゴリーB）。そして、分類器から-レベルがたくさんあれば-回帰予測することができます。 Mihail Marchukajtes 2016.07.27 14:48 #709 アレクセイ・ブルナコフ ばかばかしい。分類器も回帰器も同じです。と予測するのです。カテゴリを生成するのは分類器のみです。リグレッサーは連続的な値を生成するのに対し だからお前らは何もできないんだよ。説明はこれで最後にし、この質問には答えない。分類器は、システムの現在の状態を定義します。回帰は、システムの将来の状態を定義します。以上、トピックは終了です。 Vladimir Perervenko 2016.07.27 14:50 #710 アレクセイ・ブルナコフ言語的な機微はあまり重要でないとしよう。通常、回帰の場合はforecastという言葉が適切ですが、一般的にはpredictという言葉も正当に使うことができます。要は--そう、これらのアプローチは本質的に同じことなのです。そして、回帰から分類器を作ることができます（正の値-カテゴリーA、負の値-カテゴリーB）。そして、分類器から-レベルがたくさんあれば-回帰予測することができます。言語的な機微もまったくないんです。予測 -信頼区間を 伴う連続値の予測。予測 - クラス/カテゴリの予測、または予測されたクラス/カテゴリの確率。回帰から分類器を「作る」ことはできても、その逆はできない。グッドラック 1...646566676869707172737475767778...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
他のソフトに乗り換えるように説得しても無駄だ。それは心理的に難しいことで、私自身の経験からもわかるし、他の人たちの様子も何度も見てきた。例えば、私がある組織で働いていたとき、新しいコンピュータを導入し、Windowsを立ち上げたことがあります。しかし、人々はWordやExcelを使いこなせず、MS-DOSを立ち上げ、Lexiconというテキストエディタで表も含めてすべての文書を記入していた。
他のソフトへの大量移行が始まるには、例えば儲かるシグナルという形で具体的な成果が示されなければならない。AfterEffects Expert Advisorを作成した際に、そのシグナルもデモで立ち上げてみました。その利益を見たユーザーがExpert Advisorをダウンロードするようになったのです。現在、AfterEffectsの最適化について説明したページが、長期間シグナルが無効になっているにもかかわらず、統計によると最もアクセス数が多いページとなっています。どうやら、Expert Advisorを取引で運用し、利益を得て、他の人にアドバイスした人がいるようです。
jPredictionでも同様のことが必要です。MetaTraderで完全自動のjPredictionバンドルを構築し、少なくともデモで利益を得て、シグナルを実行し、ユーザーへのインストラクションを作成する。そうすれば、もっともっと多くの人が集まってきます。
OMG・・・。
私も同じことをしましたが、結果はゼロでした」と書いたところ、「データを正しく準備しなければならない」と言われましたが、どういうことでしょうか。説明いただけますか。
.週末には、分類と予測との違いについて論説を準備しますのでお待ちください。これが一番大事なんです!!!!
データによる変換はオプティマイザーのレシェトフが実際に行っていることで、あなたのネットワークがどう実装されているかは、私にはわからないので、何を言っても意味がないのですが......。週末には、分類と予測との違いについて論説を準備しますので、お待ちください。これが一番大事なんです!!!!ネットにできること、できないことを理解する。変な人が「ネットに全部載せて、必要なものはネットに決めてもらおう」なんて言うからびっくりする。おかしいな...。なぜなら、ある入力を追加するとモデルが激変し、ある入力を追加することでモデルを悪化させる可能性も十分あるからだ......。しかし、最も重要なことは、予測と分類の違いを理解することです。この人たちはVERY DEFAULTなんだ...。を全く......。
コルホーズ分類器も回帰器も同じものです。と予測するのです。分類器だけがカテゴリーを生成する。リグレッサーは連続値を生成する。
どちらかというと、保育園の託児所のようなものです。
分類は基本的に回帰と同じである。しかし、細部には違いがあります。
回帰問題を解いた結果がpredictです。
分類問題の結果は予測される。
この2つのコンセプトの違いはおわかりいただけたと思います。
グッドラック
3元モデルをファイルにアップロードしてMKULで使用する方法は当面ないのでしょうか？
三項分類器のモデルをJavaにオフロードするためのコード生成器を完成させました。うまくいくかどうかテストしてみます。例えば、mqlではMath.signum()関数がないなど、いくつかの違いがあります。そうすると、ローカルフィギュアはもう何もわからないので、Rのモデルコード生成もやらなきゃいけないと思うんです。
どちらかというと、保育園の託児所のようなものです。
分類は基本的に回帰と同じである。しかし、細部には違いがあります。
回帰問題を解いた結果がpredictです。
分類問題の結果は予測される。
両者の違いはおわかりいただけたと思います。
グッドラック
言ってみれば、言語的な機微はそれほど重要ではないのです。通常、回帰の場合はforecastという言葉が適切ですが、一般的にはpredictと言うのが正攻法です。
要は--そう、これらのアプローチは本質的に同じことなのです。そして、回帰から分類器を作ることができます（正の値-カテゴリーA、負の値-カテゴリーB）。そして、分類器から-レベルがたくさんあれば-回帰予測することができます。
ばかばかしい。分類器も回帰器も同じです。と予測するのです。カテゴリを生成するのは分類器のみです。リグレッサーは連続的な値を生成するのに対し
言語的な機微はあまり重要でないとしよう。通常、回帰の場合はforecastという言葉が適切ですが、一般的にはpredictという言葉も正当に使うことができます。
要は--そう、これらのアプローチは本質的に同じことなのです。そして、回帰から分類器を作ることができます（正の値-カテゴリーA、負の値-カテゴリーB）。そして、分類器から-レベルがたくさんあれば-回帰予測することができます。
言語的な機微もまったくないんです。
予測 -信頼区間を 伴う連続値の予測。
予測 - クラス/カテゴリの予測、または予測されたクラス/カテゴリの確率。
回帰から分類器を「作る」ことはできても、その逆はできない。
グッドラック