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 880 1...873874875876877878879880881882883884885886887...3399 新しいコメント Aleksey Vyazmikin 2018.05.06 12:06 #8791 エリブラリウス NSは通常、最初の行からデータを処理する。つまり、最初の行には古いデータ、最後には新しいデータを処理し、その上で最後の学習ステップを行うようにする。ありがとうございます。 Forester 2018.05.06 12:09 #8792 アレクセイ・ヴャジミキン すべての予測変数は、バーの開口部で動作します - ピークするものを識別する方法さえ今知らない - アイデアによって、その有意性が高いはず?もし、すべてがオープン価格なら、覗くべきではありませんし、他のオプションがあるなら、覗くでしょう。 Aleksey Vyazmikin 2018.05.06 12:15 #8793 エリブラリウスもし、すべてがオープン価格なら、それは覗いてはいけないし、他のオプションなら覗いている。私のデータセットを、あるニューラルネットワークでテストできますか?まだわかりません。そのプログラムに組み込まれているものは、56%以上は学習しようとしません。私のやり方が悪いのか、ネットワークが適していないのか......。 Forester 2018.05.06 12:54 #8794 アレクセイ・ヴャジミキン私のデータセットを、あるニューラルネットワークでテストできますか?まだわかりません。そのプログラムに組み込まれているのは、56%以上は学習したくないというものです。何か間違ったことをしているのか、ネットワークが適していないのか......。 説明から判断して分類のテストをしている間に、ファイルに回帰していますね。おそらく、分類されたファイルが必要なのでしょう。 写真から判断すると、56%ではなく、約8%の誤差(精度92%)があることになります。 Aleksey Vyazmikin 2018.05.06 12:56 #8795 エリブラリウス ファイルにリグレッションがあり、説明から判断して分類のテストをしているのですね。おそらく、分類されたファイルが必要なのでしょう。 写真から判断すると、56%ではなく、約8%(精度92%)の誤差がありますね。そうです、このファイルは間違っています。私はすでに予測因子を追加し、50ポイント以上なら1(買い)、-1(売り)、それ以外は0という単純なルールに従ってターゲット分類を行いました。 56%はニューロンで、スクリーンショットはツリーのものです。 Forester 2018.05.06 13:04 #8796 アレクセイ・ヴャジミキンそうです、このファイルは間違っています。私はすでに予測因子を追加して、50ポイント以上なら1(買い)、-1(売り)、それ以外は0という単純なルールで対象を分類しており、買いと売りの列は独立しています。 約56%-だからニューロンなんだ、とツリーのスクリーンショット。 まあ、木の方がいいのであれば、それを使えばいいのですが。NSの方が設定が難しい。 Aleksey Vyazmikin 2018.05.06 13:14 #8797 エリブラリウス まあ、木の方がいいなら、それを使えばいいんですけどね。NSの方が設定が難しい。今のところロジックだけは動くのですが(テストが間違っているのかも? もし誰かが予測変数の動作をテストするのを手伝いたいなら、添付ファイルに2つのファイルがあります - 買いと売りについて 3列がターゲット、1と2は私は使用しません、そして残りは予測変数です。 ファイル: Pred_004.zip 805 kb Aleksey Vyazmikin 2018.05.06 13:19 #8798 テスターではうまくいっているのに、そのポテンシャルが発揮されない取引システムから引きずり出したプレディクター......。 forexman77 2018.05.06 13:58 #8799 マキシム・ドミトリエフスキーalglibにはkfoldがありますが、これをどのように扱うかわかった人はいますか? ドキュメントはほとんどありません :) なるほど、クロスバリデーションで自動的に学習する方法ですね。 道具は与えられたが、マニュアルはない。各機能のヘルプ、使い方、例題があればいいと思います。 Forester 2018.05.06 14:22 #8800 アレクセイ・ヴャジミキン今のところロジックだけは動くのですが(テストが間違っているのかも? もし誰かが予測変数の性能をテストするのを手伝いたいなら、付録の2つのファイルがあります - 買いと売りについて 3列がターゲット、1と2は私は使用しません、そして残りは予測変数です。1つ目のファイルは、3つに分割して試してみました。学習 予想 実績 0 1 0 28107 1244 1 3045 4119 テスト1 予想 実績 0 1 0 5950 356 1 742 776 カレント2 予想 実績 0 1 0 5945 333 1 779 769 隠れ層に10個のニューロンを持つnnetで計算 (RのRattleパッケージのNS) 森より悪いが、悪くはない。2つ目のファイルも、おそらく同じ結果になるでしょう。 1...873874875876877878879880881882883884885886887...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
NSは通常、最初の行からデータを処理する。つまり、最初の行には古いデータ、最後には新しいデータを処理し、その上で最後の学習ステップを行うようにする。
ありがとうございます。
すべての予測変数は、バーの開口部で動作します - ピークするものを識別する方法さえ今知らない - アイデアによって、その有意性が高いはず?
もし、すべてがオープン価格なら、覗くべきではありませんし、他のオプションがあるなら、覗くでしょう。
もし、すべてがオープン価格なら、それは覗いてはいけないし、他のオプションなら覗いている。
私のデータセットを、あるニューラルネットワークでテストできますか?まだわかりません。そのプログラムに組み込まれているものは、56%以上は学習しようとしません。私のやり方が悪いのか、ネットワークが適していないのか......。
私のデータセットを、あるニューラルネットワークでテストできますか?まだわかりません。そのプログラムに組み込まれているのは、56%以上は学習したくないというものです。何か間違ったことをしているのか、ネットワークが適していないのか......。
写真から判断すると、56%ではなく、約8%の誤差(精度92%)があることになります。
ファイルにリグレッションがあり、説明から判断して分類のテストをしているのですね。おそらく、分類されたファイルが必要なのでしょう。
写真から判断すると、56%ではなく、約8%(精度92%)の誤差がありますね。
そうです、このファイルは間違っています。私はすでに予測因子を追加し、50ポイント以上なら1(買い)、-1(売り)、それ以外は0という単純なルールに従ってターゲット分類を行いました。
56%はニューロンで、スクリーンショットはツリーのものです。そうです、このファイルは間違っています。私はすでに予測因子を追加して、50ポイント以上なら1(買い)、-1(売り)、それ以外は0という単純なルールで対象を分類しており、買いと売りの列は独立しています。
約56%-だからニューロンなんだ、とツリーのスクリーンショット。まあ、木の方がいいなら、それを使えばいいんですけどね。NSの方が設定が難しい。
今のところロジックだけは動くのですが(テストが間違っているのかも?
もし誰かが予測変数の動作をテストするのを手伝いたいなら、添付ファイルに2つのファイルがあります - 買いと売りについて 3列がターゲット、1と2は私は使用しません、そして残りは予測変数です。
alglibにはkfoldがありますが、これをどのように扱うかわかった人はいますか? ドキュメントはほとんどありません :)
なるほど、クロスバリデーションで自動的に学習する方法ですね。
道具は与えられたが、マニュアルはない。各機能のヘルプ、使い方、例題があればいいと思います。
今のところロジックだけは動くのですが(テストが間違っているのかも?
もし誰かが予測変数の性能をテストするのを手伝いたいなら、付録の2つのファイルがあります - 買いと売りについて 3列がターゲット、1と2は私は使用しません、そして残りは予測変数です。
1つ目のファイルは、3つに分割して試してみました。
学習
予想
実績 0 1
0 28107 1244
1 3045 4119
テスト1
予想
実績 0 1
0 5950 356
1 742 776
カレント2
予想
実績 0 1
0 5945 333
1 779 769
隠れ層に10個のニューロンを持つnnetで計算 (RのRattleパッケージのNS)
森より悪いが、悪くはない。2つ目のファイルも、おそらく同じ結果になるでしょう。