このアルゴリズムは、オプティマイザでのわずか数回のパス（通常5回）で、どんな戦略も非常に高い品質で最適化します（GAや、それ以上にブルートフォースとは対照的です）。記事で紹介されている例では、それらは秒単位です。さらに、予測子の数を増やしても、最適化のパス数はそれほど増えません。別のスレッドで、あなたのLeague of Strategiesのテストをお勧めします。また、提案したアプローチに基づいて、リーグに対してさらに効率的な最適化アルゴリズムを考え出すことも可能です。通常のオプティマイザは、特にクロスバリデーション（wolf-forward）なしで、時代遅れとして捨てることができ、速度で（少なくとも）何倍も負け、品質も良くはない。もし、forestをNSとkfoldに置き換えると、ウルフフォワードのアナログになり、非常に高速になります。しかし、今のところ手はついていない。
同音異義語でもないのに、もう一つの言葉が場違いであることのどこがユーモアなんだ？
わかってないなぁ...。説明しても意味がない。
第二条では、遺伝学とパラメータの束の列挙は、値の単一のベクトル（森の入力、予測子）に置き換えられ、出力は有益な取引の最大数に基づいて選択されます。他の基準を導入し、報酬機能を補正することも可能です（DD、Sharp Ratioなど、何でも可能です）。
このアルゴリズムは、オプティマイザでのわずか数回のパス（通常5回）で、どんな戦略も非常に高い品質で最適化します（GAや、それ以上にブルートフォースとは対照的です）。記事で紹介されている例では、それらは秒単位です。さらに、予測子の数を増やしても、最適化のパス数はそれほど増えません。別のスレッドで、あなたのLeague of Strategiesのテストをお勧めします。また、提案したアプローチに基づいて、リーグに対してさらに効率的な最適化アルゴリズムを考え出すことも可能です。通常のオプティマイザは、特にクロスバリデーション（wolf-forward）なしで、時代遅れとして捨てることができ、速度で（少なくとも）何倍も負け、品質も良くはない。もし、forestをNSとkfoldに置き換えると、ウルフフォワードのアナログになり、非常に高速になります。しかし、今のところ手はついていない。
相互情報量とは、ターゲット変数と予測変数の間のエントロピーの指標で、写真で予測変数の重要度の表として示したのと同じものです。でも、lasasで再帰的特徴除去を使って、エラーに気をつければいいんです。もしそうであれば、情報量の少ない予測因子を選別して除去する必要があります。(グーグル解読)
アップ
記事を読んで、答えよりも疑問が多く、すべてのコードが明確ではありませんが、記事に書かれているこのアプローチを実装するためには、TCを完全に書き換える必要があることが理解できました。明らかにまだ記事が書か れたレベルには達していない。
Deductor Studioでは、マニュアルとセミオートマチックモードで自分だけのツリーを作ることができることがわかり、とても魅力を感じましたしかし、このプロセスは手間がかかり、インターフェースにドラッグ＆ドロップがないのですが、このモードでデータを扱うと、パターンをよりよく見ることができるようになります。ルールを変更する機会の真の欠如は、サンプルはそれが1であると言うならば、ゼロに変更することはできませんし、私は両方の落下の希少性、および信頼性にゼロに向かって規則の一部を移動し、一度統計を見ているだろうし、すべての処理スクリプトを介して行わなければならない。もしかしたら、このような機能を持つ類似のプログラムが他にあるかもしれませんが、そこではもっと素早く手作業でツリーのノードを構築することができるのでしょうか？
ここで最初の失敗が...。では、マークが下から上に抜けたときが買い、上から下に抜けたときが売りのシグナルと定義しよう。ただし、1本の棒に限る。つまり、50を超える瞬間だけを残すのです。これが1小節以内に起きるといいのですが？
実は、先生のルールでは、下から上に50％到達すると、同時に下の水準にも到達するんですね。だから、下から上へ50％を超えれば十分買えます。逆に......逆に......。この企画はいかがでしょうか？
バーの新規 開店に携わる。私のシステムでは、ゴミの排除は統計によって行われるため、エントリーはそれほど重要ではなく、間違いとは思っていません。この交差は、信号の発生頻度が下がること以外、大きな意味を持ちませんが、信号の質も下がります。
追加すること。なぜ常時信号が必要なのか？シグナルが一定であれば、買いから売りに変わる瞬間が最も分析に適していると思います。信号が切り替わる時間は1小節までだと思います。考えてみてください。メインはポジションを開くことなのに、なぜ買いシグナルのすべてを分析しなければならないのでしょう。つまり、信号が変化する瞬間がメインとなるのです。マークされている場合があります。
常に市場にいるのは間違いだ。リスクが高すぎる。
新しいバーの 開店に取り組む。インプットはそれほど重要ではなく、私のシステムでは、ゴミは統計で排除されるから、間違いではないと思うんだ。踏切は進入のための信号発生頻度を下げる以外には何もしませんが、その質も低下します。
市場にずっといるのは間違いだ-過剰なリスク。
そういえば、信号が一定だと言っていたな。申し訳ありませんが、誤解があるようですので、ほとんどお役に立てません......。勘違いが多すぎる...。
そういえば、信号が一定だと言っていたな。申し訳ありませんが、誤解があるようですので、お力になれそうにありません...。あまりに誤解が多いので...。
実際にはフィルターカスケードで判断していることを説明しました。私がMOに求めているのは、市場において、ある種のフィルターにかける価値があるところと、そうでないところを見極めることです。ブラックボックスからの奇跡を待つのではなく、すでに機能しているものを効率化する必要があるのです。
実際にはフィルターカスケードで判断していることを説明しました。私がMoDに望むことは、市場の中で、使う価値のあるフィルターとそうでないフィルターを見極めることです。ブラックボックスの奇跡を待つのではなく、すでに機能しているものを効率化する必要があるのです。
意思決定はフィルターではなく、NSに全面的に移管すべき、それなら筋が通ります。ここでは、単純な「はい」「いいえ」の質問には多くのリソースがかかるので、NSがどの部分のフィルターを使うかを識別することが必要です。複雑すぎるのでは？それは可能ですが、あなたのそこにあるフィルターではなく、正しいモデルを愚直に作り上げる方が簡単なのです。IMHO !!!!
記事を読んだ後、私は答えよりも多くの質問があり、すべてのコードが明確ではありませんが、私は記事に記載されているアプローチを実装するために全体のTSを書き換える必要があることを理解した。明らかにまだ記事が書かれたレベルには達していない。
Deductor Studioでは、マニュアルとセミオートマチックモードで自分だけのツリーを作ることができることがわかり、とても魅力を感じましたしかし、このプロセスは手間がかかり、インターフェースにドラッグ＆ドロップがないのですが、このモードでデータを扱うと、パターンをよりよく見ることができるようになります。ルールを変更する機会の真の欠如は、サンプルはそれが1であると言うならば、ゼロに変更することはできませんし、私は両方の落下の希少性、および信頼性にゼロに向かって規則の一部を移動し、一度統計を見ているだろうし、すべての処理スクリプトを介して行わなければならない。もしかしたら、そのような機能を持つ他の類似のプログラムがあるかもしれませんが、そこではもっと素早くツリーのノードを手で構築することができるのでしょうか？
いいえ、一度もありません。
なぜ必要なのかよくわからないのですが、例えばフォレストは普遍的な分類器や近似器であり、手で修正することはありません
一方、単木はかなり弱く、原始的なアルゴリズムである。
もし、そのような問題を自分で解決できない場合は、VisSim NeuralNetモジュールを探してくれれば、その方法をお教えします。
アルテム、心からの敬意と尊敬を込めて。私の後ろにあるのは、私のTSのワーキングモデル（例）です。今週末に送ります。見るだけ見て、気に入らなければ捨てればいい。
何も教えてくれなくてどうするんだ。最新の開発状況についてお聞かせください。具体的な事例を交えて詳しくご紹介します。
何のために？ひとつだけ言っておく。博士がRからMTにモデルを移すのを手伝ってくれたのですが、言っておきますが、そのモデルはOOSのReshetovのものと全く同じように機能します。全く同じです。だから、Rモデルは信頼できるのです。データフィードが重要なんだ...。すべて同じ......。