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 714 1...707708709710711712713714715716717718719720721...3399 新しいコメント Alexander_K2 2018.02.23 09:14 #7131 Renat Akhtyamov： であろうこのMAをニューラルネットワークに送り込んで解析する方法はないのでしょうか、それとも意味がないのでしょうか。もう一度言いますが、誰もが自分の聖杯を、苦労して手に入れ、欲しがっています。せっかく見つけたのなら、使ってみてください。なぜ、必要のないところに貼り付けるのか？ ここにいるのは、たった一人のグラドル、つまり私です。 Renat Akhtyamov 2018.02.23 09:16 #7132 Alexander_K2： もう一度言いますが、誰もが自分の聖杯を、苦労して手に入れ、欲しがっています。せっかく見つけたのなら、使ってみてください。なぜ、関係ないところに貼るのか？ここには聖杯ディスペンサーは一人しかいない、私だ。アレクサンダー みんなすでに自分の端末にグレイルを持っていて、それを見せているんです。 問題は、誰がどれだけ搾り取れるかだ。 Alexander_K2 2018.02.23 13:19 #7133 AUDCADのティッククォートの強さ（右側のチャート） 観測窓＝8時間、読み取り頻度＝2秒。 強弱のつけ方を知っている人が出てこない限り、ニューラルネットワークは予測できない。 Mihail Marchukajtes 2018.02.24 06:41 #7134 予測・分類はトレーディングではありません。十分な学習データがあっても、それをすべて取引に反映させるのは簡単ではない。これが理論と実践の違いか...。 Forester 2018.02.24 13:58 #7135 このスレッドの筆者のブログでは、18ポイント先を予想する実験が紹介されていました。そして、それぞれについて、別のシステム（gbmのforestだと思う）で別の予測を立てていた。 1つのシステム（森・NS）による全出力を一度に予測する方が良いのでは？ 18の出力を得るためには、隠れ層のニューロンもたくさん必要で、計算が長くなることは理解しています。しかし、18のシステムを別々に計算するとなると、さらに時間がかかるのではないでしょうか？ ところで、彼はどこに消えたのでしょうか？ Maxim Dmitrievsky 2018.02.24 14:09 #7136 エリブラリウスこのスレッドの筆者のブログでは、18ポイント先を予想する実験が紹介されていました。そして、それぞれについて、別のMOシステム（gbmのものだったと思う）で別の予報を立てていたのです。 1つのシステム（フォレスト/NS）で全てのアウトプットを一度に予測する方が良いのでは？ 出力が18個もあると、隠れ層のニューロンの数が多くなり、計算が長くなることは理解しています。しかし、18のシステムを個別に計算するとなると、さらに時間がかかるのではないでしょうか？ ところで、彼はどこに消えたのでしょうか？そこで彼のライブモニターを見たのですが、歩留まりは低いですが、効果はありそうです。 ということで、あまり面白いことはありませんでした。 Forester 2018.02.24 14:19 #7137 マキシム・ドミトリエフスキーライブモニターをどこかに入れていて、歩留まりは悪いですが、動いているようです。 おもんない まあブログはとても面白いのですが・・・。 問題は、-"1つのシステム（森・NS）によるすべての出力を一度に予測した方が良いのではないか？"ということでした。 また、一般的に、1つのシステムでN個の出力を計算する場合と、N個のシステムで1個ずつ出力する場合の長所と短所は何でしょうか。 pantural 2018.02.24 14:19 #7138 Mihail Marchukajtes: 予測と分類は取引ではありません。満足のいく学習データが得られたとしても、取引するのは簡単ではありません。これが理論と実践の違いです。私や他の参加者のカップルは、一度ならずそれを繰り返したが、みんなの関心は、次のグラフィカルな ライブラリ（パッケージ、パラメータ設定）、JMAスタイルで次の奇跡の産業の前のように、に焦点を当てているように。 手が伸びない人...1分足で55％以上の予測精度を得ることは不可能で、通常は52-53％、次のローソク足との相関は約0.05（R^2 = 0.0025）、さらにこの予測は非常にノイジーで、平均化はすべての利点を破壊するが、これが現実で、適応させなければならない真実なのだ。個人的にはまだどうなんだろう((( プット戦略が出てこない。 Maxim Dmitrievsky 2018.02.24 14:24 #7139 エリブラリウス まあブログはとても面白いのですが・・・。"1つのシステム（フォレスト／NS）ですべての出力を一度に予測した方がいいのでは？"という疑問がありました。 また、一般的に、1つのシステムでN個の出力を計算する場合と、N個のシステムで1個ずつ出力する場合の長所と短所は何でしょうか。まあ、NSは多次元空間でもうまく機能し、いくつものクラスに分かれるはずなので、意味はないんですけどね。 Maxim Dmitrievsky 2018.02.24 14:42 #7140 類は友を呼ぶ このようにすれば、学習過程はより正しくなるが、実行はより困難になる qラーニングルール https://www.youtube.com/watch?time_continue=1685&v=ZkZQwKizgLM Pythonのトレーニングビデオやサンプルをダウンロードすることができますので、興味のある方はご利用ください。 1...707708709710711712713714715716717718719720721...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
であろう
このMAをニューラルネットワークに送り込んで解析する方法はないのでしょうか、それとも意味がないのでしょうか。
もう一度言いますが、誰もが自分の聖杯を、苦労して手に入れ、欲しがっています。せっかく見つけたのなら、使ってみてください。なぜ、必要のないところに貼り付けるのか？
ここにいるのは、たった一人のグラドル、つまり私です。
もう一度言いますが、誰もが自分の聖杯を、苦労して手に入れ、欲しがっています。せっかく見つけたのなら、使ってみてください。なぜ、関係ないところに貼るのか？
ここには聖杯ディスペンサーは一人しかいない、私だ。
アレクサンダー みんなすでに自分の端末にグレイルを持っていて、それを見せているんです。
問題は、誰がどれだけ搾り取れるかだ。
AUDCADのティッククォートの強さ（右側のチャート）
観測窓＝8時間、読み取り頻度＝2秒。
強弱のつけ方を知っている人が出てこない限り、ニューラルネットワークは予測できない。
このスレッドの筆者のブログでは、18ポイント先を予想する実験が紹介されていました。そして、それぞれについて、別のシステム（gbmのforestだと思う）で別の予測を立てていた。
1つのシステム（森・NS）による全出力を一度に予測する方が良いのでは？
ところで、彼はどこに消えたのでしょうか？18の出力を得るためには、隠れ層のニューロンもたくさん必要で、計算が長くなることは理解しています。しかし、18のシステムを別々に計算するとなると、さらに時間がかかるのではないでしょうか？
このスレッドの筆者のブログでは、18ポイント先を予想する実験が紹介されていました。そして、それぞれについて、別のMOシステム（gbmのものだったと思う）で別の予報を立てていたのです。
1つのシステム（フォレスト/NS）で全てのアウトプットを一度に予測する方が良いのでは？
ところで、彼はどこに消えたのでしょうか？出力が18個もあると、隠れ層のニューロンの数が多くなり、計算が長くなることは理解しています。しかし、18のシステムを個別に計算するとなると、さらに時間がかかるのではないでしょうか？
そこで彼のライブモニターを見たのですが、歩留まりは低いですが、効果はありそうです。
ということで、あまり面白いことはありませんでした。
ライブモニターをどこかに入れていて、歩留まりは悪いですが、動いているようです。
おもんない
問題は、-"1つのシステム（森・NS）によるすべての出力を一度に予測した方が良いのではないか？"ということでした。
また、一般的に、1つのシステムでN個の出力を計算する場合と、N個のシステムで1個ずつ出力する場合の長所と短所は何でしょうか。
予測と分類は取引ではありません。満足のいく学習データが得られたとしても、取引するのは簡単ではありません。これが理論と実践の違いです。
私や他の参加者のカップルは、一度ならずそれを繰り返したが、みんなの関心は、次のグラフィカルな ライブラリ（パッケージ、パラメータ設定）、JMAスタイルで次の奇跡の産業の前のように、に焦点を当てているように。
手が伸びない人...1分足で55％以上の予測精度を得ることは不可能で、通常は52-53％、次のローソク足との相関は約0.05（R^2 = 0.0025）、さらにこの予測は非常にノイジーで、平均化はすべての利点を破壊するが、これが現実で、適応させなければならない真実なのだ。個人的にはまだどうなんだろう((( プット戦略が出てこない。
まあブログはとても面白いのですが・・・。
"1つのシステム（フォレスト／NS）ですべての出力を一度に予測した方がいいのでは？"という疑問がありました。
また、一般的に、1つのシステムでN個の出力を計算する場合と、N個のシステムで1個ずつ出力する場合の長所と短所は何でしょうか。
まあ、NSは多次元空間でもうまく機能し、いくつものクラスに分かれるはずなので、意味はないんですけどね。
類は友を呼ぶ
このようにすれば、学習過程はより正しくなるが、実行はより困難になる
qラーニングルール
https://www.youtube.com/watch?time_continue=1685&v=ZkZQwKizgLM
Pythonのトレーニングビデオやサンプルをダウンロードすることができますので、興味のある方はご利用ください。