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 850 1...843844845846847848849850851852853854855856857...3399 新しいコメント Maxim Dmitrievsky 2018.04.20 07:20 #8491 イルヌール・ハサノフ 何人いるんですか？もっと早くやる方法があるのでは...。遺伝学...また、Nsに追い込むために・・・。はっけんてきそうさ Violetta Novak 2018.04.20 08:58 #8492 Alexander_K2 です。どれが必要ですか？私は、とにかく一番シンプルな流れを得るために、やはりp=0.5の指数で処理をしています。我々が持っているティックフローを特定すると、例えばアーランのk=4、まあコーシーを捨てれば、なぜ指数で越える必要があるのでしょうか。そのままErlangのk=5とかになったら？混乱させて先に揃えるのではなく、さらにティックの間に揃える？ Yuriy Asaulenko 2018.04.20 09:00 #8493 エリブラリウスおそらく最も信頼できる方法は、予測因子の組み合わせを循環させることです。でも、すごく長いです( 私たちのやり方ではなく、無限に可能です。完全に圧倒されるまで。 Mihail Marchukajtes 2018.04.20 09:42 #8494 よく言うよ!!!!スレッドを拾った甲斐がありました......。もう決めているんです。スムーズさに欠ける。まあ、今はそういう市場なんですけどね......。世界情勢による過度の不確実性......。安定感がないので、ほぼ1日おきにやり直しをしなければならないので、忙しいモードのまま状況が安定するのを待って、仕事を続けています......。 Forester 2018.04.20 12:57 #8495 ユーリー・レシェトフjPredictionのモデルの複雑さを増すということは、予測変数の数を徐々に増やしていくということです。なぜなら、jPredictionでは隠れ層のニューロン数は2^(2*n+1)で、nは予測子の数だからです。したがって、予測変数の数が増えれば増えるほど、モデルの複雑さ（隠れ層のニューロン数）は増していく。そのため、徐々にモデルの複雑さを増していくと、遅かれ早かれjPredictionはM値に達し、その後さらにモデルの複雑さが増すと、さらに汎化性が低下する（汎化性の誤差が増大する）ことになる。ニューロンの数について、レシェトフさんの投稿に出会いました。 10個の予測変数があれば、2^21 = 2097152個のニューロンを得ることができます。 やりすぎじゃないですか？ 3つの予測子でも128ニューロン...。 Yuriy Asaulenko 2018.04.20 13:32 #8496 エリブラリウスニューロンの数についてのReshetovの投稿を偶然見つけました。 10個の予測子があるとすれば、2^21 = 2097152個のニューロンです。 多くないですか？ 3つの予測子でも128ニューロン...。 あなたは陽気な人だ)) Forester 2018.04.20 15:58 #8497 ヴィザード_。N = 2^i - 110入力で1023ニューロンならもっといい。 しかし、記事から判断すると、実際にはもっと少なく、例えば、n=sqrt(#inputs * #outputs)のように使われる。 N = 2^i - 1 - は厳密な暗記用、それ以下の数の式は一般化用らしいです。 Forester 2018.04.21 07:59 #8498 サンサニッチ・フォメンコ caretで最も派手な予測器選択：gafs -予測器の遺伝的選択、rfe -予測器の逆選択（最速）、safs -予測器の選択（アニーリング）のシミュレーション安定 -最も効率的です。12*6400のマトリックスでrfeを試したところ - デフォルトのパラメータ（sizes = 2^(2:4)）で約10時間読み込み、待たずにOFFにした。不具合と思い、sizes = ncol(x) で再スタート - すでに1時間経過している。 rfeが最速だとすると、他はどのくらい待つのでしょうか？ 以前試したパッケージでは、同じデータで5分もかかりませんでした。 そんなに時間がかかったんですか？ 更新：sizes = ncol(x)を用いた2回目の実行では、2.5～3時間で計算が終了し、同じデータの処理に3～5分かかるパッケージに近い結果が得られました。 設定 , rfeControl = rfeControl(number = 1,repeats = 1) - 時間を10-15分に短縮、変更 - 2組の予測変数が入れ替わったが、概ね類似していた。 СанСаныч Фоменко 2018.04.21 10:35 #8499 エリブラリウス12*6400のマトリックスでrfeを試したところ、デフォルトの設定（sizes = 2^(2:4)）で10時間ほど過ごし、待ちきれずに電源を切ってしまったのです。不具合と思い、sizes = ncol(x) で再スタート - すでに1時間経過している。 rfeが最速だとすると、他はどのくらい待つのでしょうか？ 以前試したパッケージでは、同じデータで5分もかかりませんでした。 あなたにとって、同じくらい時間がかかったのでしょうか？ 更新：sizes = ncol(x)を用いた2回目の実行では、2.5～3時間で計算が終了し、同じデータの処理に3～5分かかるパッケージに近い結果が得られました。よく覚えていない、ずいぶん前のことだが、君のような情熱は私の記憶には残らない マトリックスは私と共通です。 BUT 目標-何クラス？私はいつも2つのクラスを持っています。XEON 1620の全コアを常にロードしていますが、その周波数に比べ20%も速く動作します。見積もりは？一般的に、非常に注意しなければならないのは、最大で1日、コンピュータに負荷をかけるのは非常に簡単だということです。アルゴリズムが何をしているのかを理解する必要があります。 Forester 2018.04.21 10:43 #8500 サンサニッチ・フォメンコよく覚えていない、ずいぶん前のことだが、君のような情熱は私の記憶には残らない マトリックスは私と共通です。 BUT 目標-何クラス？私はいつも2つのクラスを持っています。XEON 1620の全コアを常にロードしていますが、その周波数に比べ20%も速く動作します。見積もりは？一般的に、非常に注意しなければならないのは、最大1日、コンピュータに過負荷をかけることは非常に簡単です。アルゴリズムが何をするのか理解する必要があります。2クラス 1コア搭載 設定 , rfeControl = rfeControl(number = 1,repeats = 1) - 10-15分まで短縮しました。結果の変化 - 2組の予測変数が入れ替わったが、全体的にはデフォルトと同様である。 1...843844845846847848849850851852853854855856857...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
何人いるんですか？もっと早くやる方法があるのでは...。遺伝学...また、Nsに追い込むために・・・。
はっけんてきそうさ
どれが必要ですか？私は、とにかく一番シンプルな流れを得るために、やはりp=0.5の指数で処理をしています。
我々が持っているティックフローを特定すると、例えばアーランのk=4、まあコーシーを捨てれば、なぜ指数で越える必要があるのでしょうか。そのままErlangのk=5とかになったら？混乱させて先に揃えるのではなく、さらにティックの間に揃える？
おそらく最も信頼できる方法は、予測因子の組み合わせを循環させることです。でも、すごく長いです(
jPredictionのモデルの複雑さを増すということは、予測変数の数を徐々に増やしていくということです。なぜなら、jPredictionでは隠れ層のニューロン数は2^(2*n+1)で、nは予測子の数だからです。したがって、予測変数の数が増えれば増えるほど、モデルの複雑さ（隠れ層のニューロン数）は増していく。そのため、徐々にモデルの複雑さを増していくと、遅かれ早かれjPredictionはM値に達し、その後さらにモデルの複雑さが増すと、さらに汎化性が低下する（汎化性の誤差が増大する）ことになる。
ニューロンの数について、レシェトフさんの投稿に出会いました。
10個の予測変数があれば、2^21 = 2097152個のニューロンを得ることができます。
やりすぎじゃないですか？
3つの予測子でも128ニューロン...。
ニューロンの数についてのReshetovの投稿を偶然見つけました。
10個の予測子があるとすれば、2^21 = 2097152個のニューロンです。
多くないですか？
3つの予測子でも128ニューロン...。
N = 2^i - 1
10入力で1023ニューロンならもっといい。
しかし、記事から判断すると、実際にはもっと少なく、例えば、n=sqrt(#inputs * #outputs)のように使われる。
N = 2^i - 1 - は厳密な暗記用、それ以下の数の式は一般化用らしいです。
caretで最も派手な予測器選択：gafs -予測器の遺伝的選択、rfe -予測器の逆選択（最速）、safs -予測器の選択（アニーリング）のシミュレーション安定 -最も効率的です。
12*6400のマトリックスでrfeを試したところ - デフォルトのパラメータ（sizes = 2^(2:4)）で約10時間読み込み、待たずにOFFにした。不具合と思い、sizes = ncol(x) で再スタート - すでに1時間経過している。
更新：sizes = ncol(x)を用いた2回目の実行では、2.5～3時間で計算が終了し、同じデータの処理に3～5分かかるパッケージに近い結果が得られました。rfeが最速だとすると、他はどのくらい待つのでしょうか？
以前試したパッケージでは、同じデータで5分もかかりませんでした。
そんなに時間がかかったんですか？
設定 , rfeControl = rfeControl(number = 1,repeats = 1) - 時間を10-15分に短縮、変更 - 2組の予測変数が入れ替わったが、概ね類似していた。
12*6400のマトリックスでrfeを試したところ、デフォルトの設定（sizes = 2^(2:4)）で10時間ほど過ごし、待ちきれずに電源を切ってしまったのです。不具合と思い、sizes = ncol(x) で再スタート - すでに1時間経過している。
更新：sizes = ncol(x)を用いた2回目の実行では、2.5～3時間で計算が終了し、同じデータの処理に3～5分かかるパッケージに近い結果が得られました。rfeが最速だとすると、他はどのくらい待つのでしょうか？
以前試したパッケージでは、同じデータで5分もかかりませんでした。
あなたにとって、同じくらい時間がかかったのでしょうか？
よく覚えていない、ずいぶん前のことだが、君のような情熱は私の記憶には残らない
マトリックスは私と共通です。
BUT
よく覚えていない、ずいぶん前のことだが、君のような情熱は私の記憶には残らない
マトリックスは私と共通です。
BUT
2クラス
1コア搭載
設定 , rfeControl = rfeControl(number = 1,repeats = 1) - 10-15分まで短縮しました。結果の変化 - 2組の予測変数が入れ替わったが、全体的にはデフォルトと同様である。