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 888 1...881882883884885886887888889890891892893894895...3399 新しいコメント Forester 2018.05.07 21:15 #8871 アレクセイ・ヴャジミキンだから、サポートや信頼性が高いものだけを取ることにしています。このように、リアルタイムとヒストリー上でインジケータに予測値を生成して文字列に追加し、この文字列を配列で検索して、見つかったらそのバーをエントリーに有利とし、見つからなかったら何もしない、という作業を行っているのです。したがって、文字列を2倍にすると配列が増えるだけである。もちろん、色でグラデーションを作り、信頼性や支持率などの情報(一方を掛け合わせることで係数が得られ、値によって色が変わる)を持たせることもできますが、その場合はint型の 配列をインデックスで別に作るだけの方が簡単です。それとも何か理解できていないのか...。理論的には、NSが無効な文字列を選別せずに全てを供給すれば、NS自身がそれを発見して重要度を増すはずです。しかし、あなたが説明したように、自分でやることももちろん可能です。同時に、何が優れているのか、比較するのも面白い。 記事中にノイズ文字列の例がありますが。 Maxim Dmitrievsky 2018.05.08 00:51 #8872 アリョーシャそうですね、PythonはHFTの最上位GPUです、彼らは負の誤差を持つものです、上に書きましたが、彼らは光よりも速く信号を伝達するために、そこで量子もつれを研究しています、Pythonのライブラリもあります、ダークネットで。馬鹿も休み休みに言え Maxim Dmitrievsky 2018.05.08 12:30 #8873 アリョーシャ9割方アハトで冗談です、本気にしないでください、pythonは学生の言語です、ビブルの束をさっと試してグラフを描く、例えばVorontsovのコースを強化するためです、「研究」は大学院生とか現実から遠い人だけがするものなのです。真面目な会社では、すべてのツールはC++で書かれ、アルゴリズムの半分以上はよく知られた独占的または修正されたもので、問題は非常に特殊で高度に専門化されており、100500ものライブラリのパラメータを実行する必要がないため、微量にPythonが存在します。Aleshenkaさんは、MOをさらに極め、C++のAPIやCython、モデルやモジュール単位のマイグレーション、サーバーへのデプロイについて、研究・訓練されていないんですか? そして、リターンを予測しようとする負の誤差がなければ、再び戻ってくることはないのです。よっぽど悔しいんだなー、傲慢な態度と有益な情報がなさすぎなんだよ。 Aleksey Vyazmikin 2018.05.08 12:56 #8874 エリブラリウス理論的には、NSが事前に無効な文字列を除いたすべての文字列を取得する場合、それらを発見して重要度を高める必要がある。しかし、もちろん、あなたが説明したように、自分でやることもできます。同時に、何が優れているのかを比較するのも面白い。 記事には、ノイズの多い文字列を選別している例もありますが。一般的に、歴史からデータを取る場合、理論的にはどの時点からでもNSを整理することができるのか、十分に理解できないのですが......。しかし、木・森の場合はすべてが簡単です。履歴を分析するわけではないので、限られた変数を入力すればよく、出力結果はすでに分かっていて、それを配列に書き込んでいます。学習後、木は新しいものを作り出すことはできませんが、ニューラルネットワークは新しいデータに対してさまざまに反応することができるのです。重み(係数)を入力し、それは各ニューロンに対して一定であるため、しかし、私は10以上のニューロンを持っており、各特徴のために独自の係数を持っている場合、何かが多くの選択肢であることが判明 - ネットワークは明らかにすべての亜種によって訓練されていないので、それは異なる驚きを持っているかもしれないし、私は何かを理解していないです。 そして、インジケータを作ったのですが、配列の列挙があまり速くなく、コード自体も非常に遅いので、最適化が必要です。 Forester 2018.05.08 13:10 #8875 アレクセイ・ヴャジミキン一般的に、歴史からデータを取る場合、理論的にはどの時点からでもNSを整理することができるのか、十分に理解できないのですが......。しかし、木・森の場合はすべてが簡単です。履歴を分析するわけではないので、限られた変数を入力すればよく、出力結果はすでに分かっていて、それを配列に書き込んでいます。学習後、木は新しいものを作り出すことはできませんが、ニューラルネットワークは新しいデータに対してさまざまに反応することができるのです。重み(係数)を入力し、それは各ニューロンに対して一定なので、しかし、もし私が10以上のニューロンを持ち、各特徴に対して異なる係数を持つならば、何かが多くの選択肢であることが判明します - ネットワークは明らかにすべてのバリエーションによって訓練することができないので、異なる驚きがあるかもしれません、または私は何かを理解していない。 インジケータを作成しましたが、配列の検索があまり速くなく、コード自体も非常に遅いので、最適化が必要です。NSはデータで同じテーブルを使い、森との差はない。ただ、中身はアルゴリズムが違う。 Aleksey Vyazmikin 2018.05.08 13:15 #8876 エリブラリウス同じデータテーブルをNSに供給-森に差はない。ただ、中身はアルゴリズムが違うだけです。では、運用時に使わないのに、なぜNSは訓練時に履歴を見るのでしょうか? Maxim Dmitrievsky 2018.05.08 13:56 #8877 アリョーシャ私はもちろん聞いていない、私はあなたに何を気にする、今私はクールなことは、cの聖書へのpythonのAPIではなく、その逆、c + + api to python、サーバー上で展開することであると知っているだろう。焼き続ける)あなたの皮肉の温度計の水銀は、泡に縮小し、ちょうど爆発した、またはオーバートップの愚かさとヨダレから爆発するほど拡大した、とにかく Pythonや+αを含む様々な言語のフレームワークへのAPI それとも、ただ悲しいだけ? Yuriy Asaulenko 2018.05.08 14:07 #8878 アリョーシャまさか!?私の行き当たりばったりの迷走は、FX並みの急展開!?再研修を行わない場合は90%、再研修を行った場合は100%のアキュラシー。フーッ!オーバートレーニングは致命的でないばかりか、多くの場合、ベストであるとさえ言える)という考えを、原住民は持ち始めているようだ。 Yuriy Asaulenko 2018.05.08 14:36 #8879 マキシム・ドミトリエフスキーまあ、これはひどいオーバーフィットですが、それでも前半のオーズではトレード可能です。)さらに悪化させることもできるが、意味がない。オーバーとアンダーの中間に位置するお金です。お金はどこにでもある、下を除いて。あくまでも応用の問題です。 Forester 2018.05.08 14:47 #8880 アレクセイ・ヴャジミキンでは、NSは業務で使わないのに、なぜ研修で履歴を見るのでしょうか?学習中にニューロンの重みとオフセットが得られ、それに従って新しいデータに対する出力を計算する。 1...881882883884885886887888889890891892893894895...3399 新しいコメント 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
だから、サポートや信頼性が高いものだけを取ることにしています。このように、リアルタイムとヒストリー上でインジケータに予測値を生成して文字列に追加し、この文字列を配列で検索して、見つかったらそのバーをエントリーに有利とし、見つからなかったら何もしない、という作業を行っているのです。したがって、文字列を2倍にすると配列が増えるだけである。もちろん、色でグラデーションを作り、信頼性や支持率などの情報(一方を掛け合わせることで係数が得られ、値によって色が変わる)を持たせることもできますが、その場合はint型の 配列をインデックスで別に作るだけの方が簡単です。それとも何か理解できていないのか...。
理論的には、NSが無効な文字列を選別せずに全てを供給すれば、NS自身がそれを発見して重要度を増すはずです。しかし、あなたが説明したように、自分でやることももちろん可能です。同時に、何が優れているのか、比較するのも面白い。
記事中にノイズ文字列の例がありますが。そうですね、PythonはHFTの最上位GPUです、彼らは負の誤差を持つものです、上に書きましたが、彼らは光よりも速く信号を伝達するために、そこで量子もつれを研究しています、Pythonのライブラリもあります、ダークネットで。
馬鹿も休み休みに言え
9割方アハトで冗談です、本気にしないでください、pythonは学生の言語です、ビブルの束をさっと試してグラフを描く、例えばVorontsovのコースを強化するためです、「研究」は大学院生とか現実から遠い人だけがするものなのです。真面目な会社では、すべてのツールはC++で書かれ、アルゴリズムの半分以上はよく知られた独占的または修正されたもので、問題は非常に特殊で高度に専門化されており、100500ものライブラリのパラメータを実行する必要がないため、微量にPythonが存在します。
Aleshenkaさんは、MOをさらに極め、C++のAPIやCython、モデルやモジュール単位のマイグレーション、サーバーへのデプロイについて、研究・訓練されていないんですか?
そして、リターンを予測しようとする負の誤差がなければ、再び戻ってくることはないのです。よっぽど悔しいんだなー、傲慢な態度と有益な情報がなさすぎなんだよ。
理論的には、NSが事前に無効な文字列を除いたすべての文字列を取得する場合、それらを発見して重要度を高める必要がある。しかし、もちろん、あなたが説明したように、自分でやることもできます。同時に、何が優れているのかを比較するのも面白い。
記事には、ノイズの多い文字列を選別している例もありますが。一般的に、歴史からデータを取る場合、理論的にはどの時点からでもNSを整理することができるのか、十分に理解できないのですが......。しかし、木・森の場合はすべてが簡単です。履歴を分析するわけではないので、限られた変数を入力すればよく、出力結果はすでに分かっていて、それを配列に書き込んでいます。学習後、木は新しいものを作り出すことはできませんが、ニューラルネットワークは新しいデータに対してさまざまに反応することができるのです。重み(係数)を入力し、それは各ニューロンに対して一定であるため、しかし、私は10以上のニューロンを持っており、各特徴のために独自の係数を持っている場合、何かが多くの選択肢であることが判明 - ネットワークは明らかにすべての亜種によって訓練されていないので、それは異なる驚きを持っているかもしれないし、私は何かを理解していないです。
そして、インジケータを作ったのですが、配列の列挙があまり速くなく、コード自体も非常に遅いので、最適化が必要です。
一般的に、歴史からデータを取る場合、理論的にはどの時点からでもNSを整理することができるのか、十分に理解できないのですが......。しかし、木・森の場合はすべてが簡単です。履歴を分析するわけではないので、限られた変数を入力すればよく、出力結果はすでに分かっていて、それを配列に書き込んでいます。学習後、木は新しいものを作り出すことはできませんが、ニューラルネットワークは新しいデータに対してさまざまに反応することができるのです。重み(係数)を入力し、それは各ニューロンに対して一定なので、しかし、もし私が10以上のニューロンを持ち、各特徴に対して異なる係数を持つならば、何かが多くの選択肢であることが判明します - ネットワークは明らかにすべてのバリエーションによって訓練することができないので、異なる驚きがあるかもしれません、または私は何かを理解していない。
インジケータを作成しましたが、配列の検索があまり速くなく、コード自体も非常に遅いので、最適化が必要です。
NSはデータで同じテーブルを使い、森との差はない。ただ、中身はアルゴリズムが違う。
同じデータテーブルをNSに供給-森に差はない。ただ、中身はアルゴリズムが違うだけです。
では、運用時に使わないのに、なぜNSは訓練時に履歴を見るのでしょうか?
私はもちろん聞いていない、私はあなたに何を気にする、今私はクールなことは、cの聖書へのpythonのAPIではなく、その逆、c + + api to python、サーバー上で展開することであると知っているだろう。焼き続ける)
あなたの皮肉の温度計の水銀は、泡に縮小し、ちょうど爆発した、またはオーバートップの愚かさとヨダレから爆発するほど拡大した、とにかく
Pythonや+αを含む様々な言語のフレームワークへのAPI
それとも、ただ悲しいだけ?
まさか!?私の行き当たりばったりの迷走は、FX並みの急展開!?再研修を行わない場合は90%、再研修を行った場合は100%のアキュラシー。
フーッ!オーバートレーニングは致命的でないばかりか、多くの場合、ベストであるとさえ言える)という考えを、原住民は持ち始めているようだ。
まあ、これはひどいオーバーフィットですが、それでも前半のオーズではトレード可能です。)さらに悪化させることもできるが、意味がない。オーバーとアンダーの中間に位置するお金です。
お金はどこにでもある、下を除いて。あくまでも応用の問題です。
では、NSは業務で使わないのに、なぜ研修で履歴を見るのでしょうか?
学習中にニューロンの重みとオフセットが得られ、それに従って新しいデータに対する出力を計算する。