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 879 1...872873874875876877878879880881882883884885886...3399 新しいコメント Dmitriy Skub 2018.05.06 10:28 #8781 ユーリイ・アサウレンコ現在に至るまでではなく、それなりに複雑な構成のMOとNSについては、これしかないと思っています。まず、NSやMoDの適用分野を限定し、NSやMoDを適用します。 そして、「一般的に、すべて、一度に」というような問題を解くこと、それはAIのためのものです）。 むしろ、NSは訓練可能な意思決定の論理である。本来は、標準的なストラテジーで置き換えるためのもので、わざわざ書く必要はないのです。まあ、「一般的にはありえない」というのは強引すぎる表現ですが。今後50年以内に理にかなった量子コンピュータが登場することを期待しています)) そして、本当のAIが登場するかもしれませんね)) しかし、そうですね。現在のプロセッサの開発は、平面上に配置することの物理的な限界に達しています。また、3次元では、すべてを構築するのはより困難です。 Aleksey Vyazmikin 2018.05.06 11:28 #8782 エリブラリウスターゲット - 分類ではなく、回帰があるんですね。とりあえず回帰はあきらめました。ターゲットの数に応じて2つのニューロセットを訓練するのが良いと思うが、回帰の実験は十分ではないので、各自で実験してほしい。 列の順番は重要ではなく、これらはターゲットであることをNSに伝えることが重要なのです。多くのパッケージでは、デフォルトですべての行をシャッフルすることで、均一な学習が可能です。そうしないと、NSはどこかで失速し（ローカルミニマム）、新鮮なデータにたどり着けなくなる可能性があります。新鮮なデータ（最後の10-20％）を2-3回供給することで、ネットワークは最新の市場動向をよりよく学習することができます-これも私が実際に試していない意見です。 トピックスターターのブログをチェック - 彼はそこで回帰を教えました、多くの良い考えを持っています。しかし、最終的に彼は、コードに何らかの誤りがあり、すべての結果が無効であることを発見したと書いた。 だから、明確な答えがない、だからみんな黙っている)ターゲットを分類に変換するのにちょうどいい!ツリーは0と1（つまり2つの論理値）しか食べないので、私の場合、買いと売りの結果を別々に分けて、別々のツリーとして学習（分類）する必要があると理解しています。 返信ありがとうございました回帰は、非定常系ではその絶対値がノイズになるので却下しましたが、チャネルに対する相対的な価格を求めるなど、論理的な解として回帰を使うことにします。 ミキシングデータについては明確ですが、不思議なもので、NS/Decision Treeに過去の事象を伝えたいのであれば、予測因子をシフトしてコピーを作り、シフトごとに深さを一桁ずつ増やしていけばよいと理解しました？ Forester 2018.05.06 11:33 #8783 アレクセイ・ヴャジミキンデータのシャッフルは理解できるのですが不思議で、NS/Decision Treeに過去の事象を伝えたい場合は、シフトしたプレディクターのコピーを作り、シフトするごとに深さを一桁増やす必要があると理解しているのですが、いかがでしょうか？もう1枚は何のため？表のどの行も過去にさかのぼって同じ予測値になっています。 Aleksey Vyazmikin 2018.05.06 11:44 #8784 マキシム・ドミトリエフスキーどのような質問ですか？ ニューラルネットワークに期待利益を教えることはできません。ニューラルネットワークが分類または近似するもの、すなわち特定の売買行動や特定の市場条件を教える必要があります。 プレディクターについては、どれが良くてどれがダメなのか、誰も答えを教えてくれません。なぜなら、それらを研究し、TSがどのように機能するかを見る必要があるからです。 ニューラルネットワークについて - alglibやRやPythonを使うことができる - 100回くらい書かれている 学習シーケンスについて - どのデータが新しく、どのデータが古いかは問題ではなく、NSがどのように機能するかを把握する必要があります - それは、集合的にすべてのケースでエラーを最小にすることです。 ニューラルネットワークの基本はyoutubeやググればいくらでも出てきます、ここでは意味がないので論じません。 と書きましたが、何事も基礎から勉強して、何がどこでどうなっているのかを理解してからでないと、無駄な作業になってしまいますね。 半年前、私自身はまだ理解していませんでしたが、今では多少なりとも理解できるようになりました。膨大な文献を読み、何百時間ものビデオクリップを鑑賞し、そして何らかの知識の合成が始まりました。そうそう、私の質問にも知的な回答はなく、自分で掘り返していますよ :) しかし、あなたの質問は漠然としすぎています。推測を始めるには超能力者になる必要があることがわかりました。テーブルを見てすべてを理解するのではなく、何かを動かすには膨大な数の詳細を観察する必要があるのです :))) そこにすでに聖杯（冗談）の領域を開始しているので、私は、これまで私は知らない書き込みを継続するかどうか、リソース上のMOの開発に私の貢献は、私は、2つの記事の形で行っている。なぜ、売買の最大利益が見込まれるエントリーポイントを教えてはいけないのか？ 予測変数は十分あるので、少しずつスクリプトに追加しています。最終的に良いのか悪いのか、まだ分かりませんが...。 ニューラルネットワークについて - 分類という形でターゲットによく効くNSの具体的な名前に興味があったのですが...。というわけで、"Deductor Studio Academic "を使ってテストしているのですが、非常にわかりやすいインターフェースで、すべてロシア語、ツリーやニューラルネットワークもあり、初心者には良さそうですが、結果をエクスポートできないのがマイナス点です。 ツリーとしては良い結果なのかな？サンプルの50％でトレーニングし、50％でテストしました。 基礎から勉強して、ここの記事を読み直したり、NSの講義を見たりしているのですが、全てが一筋縄ではいかず、聞ける相手もおらず...。 ご清聴ありがとうございました。 Aleksey Vyazmikin 2018.05.06 11:46 #8785 エリブラリウスそれ以外になぜコピーがあるのでしょうか？表のどの行も過去にさかのぼって同じ予測値になっています。では、どうやって混ぜるのですか？なぜなら、それは彼らのシーケンスを壊すから...。 ツリーは配列を見ているのでしょうか？ Forester 2018.05.06 11:54 #8786 アレクセイ・ヴャジミキンでは、どうやって混ぜるのですか？なぜなら、それは彼らのシーケンスを壊すから...。 ツリーは配列を見るのか？ ローカルミニマムのひとつにぶつからないようにするためのポイントです。しかし、混合は必須ではありません。データ中にローカルミニマムが存在するかどうか、また、ローカルミニマムが存在する場合、それをスキップする他の方法が利用可能かどうかによって、混合なしで学習することができます。木はやらないんです。 Forester 2018.05.06 11:58 #8787 アレクセイ・ヴャジミキンなぜ、売買で最大の利益が見込めるエントリーポイントを教えてはいけないのか？ 予知能力は十分あるので、少しずつスクリプトに組み込んでいます。まだ、良いのか悪いのか分かりませんが...。 ニューラルネットワークについて - 分類という形でターゲットによく効くNSの具体的な名前に興味があったのですが...。というわけで、"Deductor Studio Academic "を使ってテストしているのですが、非常にわかりやすいインターフェースで、すべてロシア語、ツリーとニューラルネットワークがあり、初心者には良さそうですが、結果をエクスポートできないのがマイナスです。 ツリーとしては良い結果なのかな？サンプルの50％でトレーニングし、50％でテストしました。 基礎から勉強して、ここの記事を読み直したり、NSの講義を見たりしているのですが、全てが一筋縄ではいかず、聞ける相手もおらず...。 ご清聴ありがとうございました。 良すぎる-10％以下の誤差。予報士は未来を覗き見しないの？そのため、大抵は誤差が小さくなってしまうのです。それとも過去をターゲットに？例えばジグザグ？それとも0バーを予測して、Close 0バーを持つプレディクターを構築するのでしょうか。 Aleksey Vyazmikin 2018.05.06 11:58 #8788 エリブラリウス これがポイントで、局地的な安値のひとつにぶつからないようにするためです。しかし、混合は必須ではありません。データ中にローカルミニマムが存在するかどうか、また、ロックミニマムが存在する場合、それをスキップする他の方法が利用できるかどうかによって、混合なしで学習することも可能です。木はやらないんです。なるほど、データの順序（年表）はどのようにファイルに表示すればいいのでしょうか、一番新しい（2018年）か一番古い（2017年）かを最初に表示すればいいのでしょうか。 Forester 2018.05.06 12:02 #8789 アレクセイ・ヴャジミキンなるほど、ファイルの中でデータの順序（年表）はどのように表示すればいいのでしょうか。"新しいもの（2018年）"が先か、"古いもの（2017年）"が先か。 NSは通常、最初の行からデータを処理する。つまり、最も古いデータは最初の行に、新しいデータは最後の行に置かれ、学習の最後のステップがそれらに対して行われるようにする。 Aleksey Vyazmikin 2018.05.06 12:05 #8790 elibrarius: Too Good - 10%以下の誤差です。予知能力者は未来を覗き見しないの？そのため、大抵は誤差が小さくなってしまうのです。しかし、私の目標はポジションを開いてから 経過したバーの数に依存しない（すなわち、依存関係が設定されていない）、私はインジケータ上で動作するストップロスを使用してクローズしました。 すべての予測変数は、バーのオープニングで動作します - 私は、それらのピークを検出する方法さえ知らない - 彼らは右、重要であるべきです。 写真には写っていませんが...。 1...872873874875876877878879880881882883884885886...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
現在に至るまでではなく、それなりに複雑な構成のMOとNSについては、これしかないと思っています。まず、NSやMoDの適用分野を限定し、NSやMoDを適用します。
そして、「一般的に、すべて、一度に」というような問題を解くこと、それはAIのためのものです）。
むしろ、NSは訓練可能な意思決定の論理である。本来は、標準的なストラテジーで置き換えるためのもので、わざわざ書く必要はないのです。
まあ、「一般的にはありえない」というのは強引すぎる表現ですが。今後50年以内に理にかなった量子コンピュータが登場することを期待しています)) そして、本当のAIが登場するかもしれませんね))
しかし、そうですね。現在のプロセッサの開発は、平面上に配置することの物理的な限界に達しています。また、3次元では、すべてを構築するのはより困難です。
ターゲット - 分類ではなく、回帰があるんですね。とりあえず回帰はあきらめました。ターゲットの数に応じて2つのニューロセットを訓練するのが良いと思うが、回帰の実験は十分ではないので、各自で実験してほしい。
列の順番は重要ではなく、これらはターゲットであることをNSに伝えることが重要なのです。多くのパッケージでは、デフォルトですべての行をシャッフルすることで、均一な学習が可能です。そうしないと、NSはどこかで失速し（ローカルミニマム）、新鮮なデータにたどり着けなくなる可能性があります。新鮮なデータ（最後の10-20％）を2-3回供給することで、ネットワークは最新の市場動向をよりよく学習することができます-これも私が実際に試していない意見です。
トピックスターターのブログをチェック - 彼はそこで回帰を教えました、多くの良い考えを持っています。しかし、最終的に彼は、コードに何らかの誤りがあり、すべての結果が無効であることを発見したと書いた。
だから、明確な答えがない、だからみんな黙っている)
ターゲットを分類に変換するのにちょうどいい!ツリーは0と1（つまり2つの論理値）しか食べないので、私の場合、買いと売りの結果を別々に分けて、別々のツリーとして学習（分類）する必要があると理解しています。
返信ありがとうございました回帰は、非定常系ではその絶対値がノイズになるので却下しましたが、チャネルに対する相対的な価格を求めるなど、論理的な解として回帰を使うことにします。
ミキシングデータについては明確ですが、不思議なもので、NS/Decision Treeに過去の事象を伝えたいのであれば、予測因子をシフトしてコピーを作り、シフトごとに深さを一桁ずつ増やしていけばよいと理解しました？
データのシャッフルは理解できるのですが不思議で、NS/Decision Treeに過去の事象を伝えたい場合は、シフトしたプレディクターのコピーを作り、シフトするごとに深さを一桁増やす必要があると理解しているのですが、いかがでしょうか？
もう1枚は何のため？表のどの行も過去にさかのぼって同じ予測値になっています。
どのような質問ですか？
ニューラルネットワークに期待利益を教えることはできません。ニューラルネットワークが分類または近似するもの、すなわち特定の売買行動や特定の市場条件を教える必要があります。
プレディクターについては、どれが良くてどれがダメなのか、誰も答えを教えてくれません。なぜなら、それらを研究し、TSがどのように機能するかを見る必要があるからです。
ニューラルネットワークについて - alglibやRやPythonを使うことができる - 100回くらい書かれている
学習シーケンスについて - どのデータが新しく、どのデータが古いかは問題ではなく、NSがどのように機能するかを把握する必要があります - それは、集合的にすべてのケースでエラーを最小にすることです。
ニューラルネットワークの基本はyoutubeやググればいくらでも出てきます、ここでは意味がないので論じません。
と書きましたが、何事も基礎から勉強して、何がどこでどうなっているのかを理解してからでないと、無駄な作業になってしまいますね。
半年前、私自身はまだ理解していませんでしたが、今では多少なりとも理解できるようになりました。膨大な文献を読み、何百時間ものビデオクリップを鑑賞し、そして何らかの知識の合成が始まりました。そうそう、私の質問にも知的な回答はなく、自分で掘り返していますよ :)
しかし、あなたの質問は漠然としすぎています。推測を始めるには超能力者になる必要があることがわかりました。テーブルを見てすべてを理解するのではなく、何かを動かすには膨大な数の詳細を観察する必要があるのです :)))
そこにすでに聖杯（冗談）の領域を開始しているので、私は、これまで私は知らない書き込みを継続するかどうか、リソース上のMOの開発に私の貢献は、私は、2つの記事の形で行っている。
なぜ、売買の最大利益が見込まれるエントリーポイントを教えてはいけないのか？
予測変数は十分あるので、少しずつスクリプトに追加しています。最終的に良いのか悪いのか、まだ分かりませんが...。
ニューラルネットワークについて - 分類という形でターゲットによく効くNSの具体的な名前に興味があったのですが...。というわけで、"Deductor Studio Academic "を使ってテストしているのですが、非常にわかりやすいインターフェースで、すべてロシア語、ツリーやニューラルネットワークもあり、初心者には良さそうですが、結果をエクスポートできないのがマイナス点です。
ツリーとしては良い結果なのかな？サンプルの50％でトレーニングし、50％でテストしました。
基礎から勉強して、ここの記事を読み直したり、NSの講義を見たりしているのですが、全てが一筋縄ではいかず、聞ける相手もおらず...。
ご清聴ありがとうございました。
それ以外になぜコピーがあるのでしょうか？表のどの行も過去にさかのぼって同じ予測値になっています。
では、どうやって混ぜるのですか？なぜなら、それは彼らのシーケンスを壊すから...。
ツリーは配列を見ているのでしょうか？
では、どうやって混ぜるのですか？なぜなら、それは彼らのシーケンスを壊すから...。
ツリーは配列を見るのか？
木はやらないんです。
なぜ、売買で最大の利益が見込めるエントリーポイントを教えてはいけないのか？
予知能力は十分あるので、少しずつスクリプトに組み込んでいます。まだ、良いのか悪いのか分かりませんが...。
ニューラルネットワークについて - 分類という形でターゲットによく効くNSの具体的な名前に興味があったのですが...。というわけで、"Deductor Studio Academic "を使ってテストしているのですが、非常にわかりやすいインターフェースで、すべてロシア語、ツリーとニューラルネットワークがあり、初心者には良さそうですが、結果をエクスポートできないのがマイナスです。
ツリーとしては良い結果なのかな？サンプルの50％でトレーニングし、50％でテストしました。
基礎から勉強して、ここの記事を読み直したり、NSの講義を見たりしているのですが、全てが一筋縄ではいかず、聞ける相手もおらず...。
ご清聴ありがとうございました。
これがポイントで、局地的な安値のひとつにぶつからないようにするためです。しかし、混合は必須ではありません。データ中にローカルミニマムが存在するかどうか、また、ロックミニマムが存在する場合、それをスキップする他の方法が利用できるかどうかによって、混合なしで学習することも可能です。
木はやらないんです。
なるほど、データの順序（年表）はどのようにファイルに表示すればいいのでしょうか、一番新しい（2018年）か一番古い（2017年）かを最初に表示すればいいのでしょうか。
なるほど、ファイルの中でデータの順序（年表）はどのように表示すればいいのでしょうか。"新しいもの（2018年）"が先か、"古いもの（2017年）"が先か。
Too Good - 10%以下の誤差です。予知能力者は未来を覗き見しないの？そのため、大抵は誤差が小さくなってしまうのです。
しかし、私の目標はポジションを開いてから 経過したバーの数に依存しない（すなわち、依存関係が設定されていない）、私はインジケータ上で動作するストップロスを使用してクローズしました。
すべての予測変数は、バーのオープニングで動作します - 私は、それらのピークを検出する方法さえ知らない - 彼らは右、重要であるべきです。
写真には写っていませんが...。