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 822

 
Alexander_K2 です。
1週間後には、すでにErlangのオーダー1のフローに還元されたBPを掲載する予定です。でも2と3は作られそうにないですねー、いらないです。

インジケーターのコード(疑似コード)の形で、より良いものをお願いします!そうすれば、異なるシンボルで完全なトレーニングを行うことが可能になり、次のことを見てください。

 
Alexander_K2 です。

はい。のどが渇いた!?

今は、この列をニューロンでパンチして、コーダーにだけ渡しています。

今は時間がないんです。言っとくけど、ドイツの「パートナー」は、聖杯を放棄したままプロジェクトを強行してるからね。そこにあるのは......隅っこのほうに......。

必要ないんです。

あなたの場合、頭をニューロニックでいっぱいにしないことが最大のポイントです。

実際、指数に汚染された増分のベクトルの統計グラフが出来上がりましたし、そればかりではありません。

ベクターに戻せ、スレッドなんか必要ない。

さて、方向は何かというと、ベクトルの和(もちろん、どのベクトルか考える価値はある)。

以上

がんばってください。

 

勉強のすすめ(fxsaberより、下手なアドバイスはしないそうです。)

ターゲットへの影響の定常性と「正しい」機能というテーマで

https://www.mql5.com/ru/forum/232030/page2#comment_7026700

Скрипты: ThirdPartyTicks
Скрипты: ThirdPartyTicks
  • 2018.04.06
  • www.mql5.com
ThirdPartyTicks: Автор: fxsaber...
 
レナト・アフティアモフ

そこには必要ない。

大事なのは、頭の中をニューロニックでいっぱいにしないことです。

実際、あなたは壊れた指数を手に入れ、それだけでなく、増分ベクトルの静的なグラフを手に入れました。

ベクターに戻せば、ストリームは必要ない

いいえ、当たり外れがあります。BPのふるい落としが横行してこそ、キャッシュがもたらされる--私はそう考えています。

 
アリョーシャ

windows e〜2で返す → 1,2,4,8,16,32, 64...。10個、1,2,5,10,20,30,60,120,300...と、より感覚的にとらえる人もいますね。しかし、回帰や他のフィルタを犠牲にして、何の効果もないとも考えられる、好みの問題だ、要はデータを同期させ、系列が多い(いつもそうだが)ときに、互いに関連して歩かないようにすることだ、そうしないと全てが壊れる、だから、ソースが多いときは自分で書くことにしているのだ。例えば、過去からのリターン{-1,-2,-4,-8,-16,-32,-64,-128,-256,-512}と未来からのルターンを「スタイリ」例として、よりボラティリティを変化させることができます。ボラティリティの変化、カップのデルタ、OIなどもありますが、主なものは、NOT TRANSFERABLE DATAを持つターゲットを使うことで、そうでなければ、ZZのようなスパイウェアツールで簡単に即興できる偽物となります。

そのようなリターンを与える場合ですが、対象への効果でふるい分けるべきでしょうか。記事中の指標から導き出された予測因子をふるいにかけたように。
そして、例えば、価格には2,16,64を、数量には1,4,32を残すなどでしょうか。(ちなみに、ここでは異なるバーが表示されることがあるため、同期がずれてしまいます)
ふるい分けせずに試したところ......約50%という結果に。
ふるい分けはまだ試していないのですが...。試された方、結果はいかがですか?
 
アリョーシャ

例えば、指数ウィンドウで返す、何でも、RSI、macdac、など。もちろん、テストでは「WITHOUT OVERTRAIN」ですが、ZZのオーバートレーニングは特徴量の見方が本質的なので、ランダムワンダリングでもテストで9割は簡単に取れるようになるのです

再トレーニングなしでモデルを作り、テストでその事実を証明したか、デポドレンで再トレーニングを知ったか、どちらかです。個人的には、再教育については試験で知ることにしています。方法論はシンプルだが、現地のコリファイには慎重に避けられている。

ZZは定義上、どこにも目を向けません。最後のリンクはまったく存在せず、最後から2番目のリンクは時々変化します。ZZは、トレンドの正式な定義である「前回の転換点からのpips数」を視覚的に表現したものです。

しかし、ZZにはもう一つ問題があり、少なくとも私に関しては、予測変数でフィットさせることができませんでした。つまり、モデルをフィットさせることはできますが、REFORMEDモデルを作ることができません。つまり、ZZに対する私の予測変数はノイズであり、それに対して私は非常に良い結果(簡単に10%未満の誤差)でモデルを適合させることができますが、このモデルをトレーニング・テストファイルから取り出して実行すると、ランダムエラーが発生し、これは再トレーニングの指標となります。

 
サンサニッチ・フォメンコ

ZZは定義上、どこにも見えません。ラストリンクが全くなく、ペナルティリンクがたまに変わるのです。ZZは、トレンドの正式な定義である「最後のピボットからのピップ数」を視覚的に表現したものです。

ZZはリアル口座やテスターでは0本目のバーでは先読みしませんが、履歴で見ると例えば10000mバーでは先読みします。歴史の中から学びのためのマトリックスを取り出すのです。
未来を見通すということは、未来を予測したいターゲットにとっても良いことです。

一方、アレクセイは「SZは過去も見ているので、ターゲットにできない」と言う。それがどうした?NSの入力には、過去のデータしか与えません。
 
アリョーシャ

そのとおりです。ターゲティングのために過去を覗くことはできない、フィックスが未来を覗くことができないのと同じだ、WHYがわからない紳士はSBで実験してみなさい。

WHYを理解するためには、論理的な説明が必要ですが、あなたの言葉にはそれがありません。実験に頼らず、説明していただけますか?
アリョーシャ

SBの場合,正しいMLは50%から統計的に有意な偏差を与えるべきではありません(テスト時)ZZはターゲットに含まれる過去に分類器を調整するため、それゆえ、空間の精度が、ない空想 シャープ

過去に合わせる - どんな入力も変換せずに出力させるだけ。

 
エリブラリウス
WHYを理解するためには、論理的な説明が必要ですが、あなたの言葉からはそれが見えてきません。実験に頼らず、説明していただけますか?

過去に合わせること - どんな入力も変換せずにそのまま出すこと。

まったく理解できませんね、ナンセンスです。

 
アリョーシャ

そのとおりです。ターゲットは未来だけでなく過去も見れない、なぜかわからない紳士はSBで実験してみてください、上に書きましたし、私の前にも書きました、繰り返しです。

SBで実験する

SBを使った実験を行う

SBで実験してください。


SBで正しいMLは50%(テスト時)から統計有意な偏差を与えてはならないZZターゲットで彼らは分類器がターゲットに含まれる過去に調整されるため、それゆえ、空間の精度が、ラメシャープ

人に命令するのではなく、ここで結果を出す。

理由: