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 896 1...889890891892893894895896897898899900901902903...3399 新しいコメント Maxim Dmitrievsky 2018.05.11 07:48 #8951 ミハイル・マルキュカイツと言って、このモデルはOOSのレシェトフのものと全く同じ働きをする のです。全く同じです。つまり、あなたの場合、何もないのですか? 私は、同じように、よりライミーな3年生のパロキアルを教えます。 Mihail Marchukajtes 2018.05.11 07:53 #8952 マキシム・ドミトリエフスキーつまり、あなたの場合、NOTHING? は、同じことを、3年生のパロキアルよりも言うのです。マキシムカ、今度こそダメだ......。マジシャンは正しいことがわかった。データの品質が一桁上がり、それゆえモデルの品質も向上した......。 Mihail Marchukajtes 2018.05.11 08:10 #8953 ヴィザード_。 私の大好きな二人のマジシャンがまた友達になりました。その先にあるものは何なのか)))違う...まだ謝ってないのに...。まだ謝ることはないのですが......。 Aleksey Vyazmikin 2018.05.11 08:17 #8954 マキシム・ドミトリエフスキーいや、やったことがない。 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すでに普遍的な分類器や近似器であり、手で修正することは何もないのです と単木はどちらかというと弱い原始的なアルゴリズムです。ツリーというのは、どちらかというと分析した上で形成される明確なロジックで、それ以外は今のところ自分にとってフィッティングのような印象です。 私は、市場のさまざまな状況を考慮するための便利なツール、つまり、1つの同じパターンをさまざまな条件で使用することができ、その条件を選択することでパターンが活性化するかしないか、ということに興味を持ったのである。複雑なパターンを形成するための非常にクールなツールであり、簡単にプログラムすることができますが、便利なプログラムがありません。 そして、もし木が、利用可能な予測変数の90%で結果を出すなら、これはすでに十分すぎるほどで、では、NSや木のアンサンブルのポイントは何なのでしょうか?ツリーが予測変数の分類領域の選択にブーリアンルール(>/</==)を使用する場合、結果はより良いことに気づきました。ツリーは利用可能なすべての結果を検索しないか、サポートが小さいルールをカットするため、結果としてサンプルの信頼できる認識の5-10%が失われると理解しています。 Alexander Ivanov 2018.05.11 08:18 #8955 ヘイ・ニューロン!👍。どのような進展があったのでしょうか。トレーニングはどうですか?私も勉強になります...)😂😂😂。マニュアルのみへーきへーき。 Maxim Dmitrievsky 2018.05.11 08:42 #8956 アレクセイ・ヴャジミキンそして、もし木が利用可能な予測変数の90%の結果を与えるなら、それは十二分であり、それならNSや木のアンサンブルの意味は何なのでしょうか? 私は、木が予測分類の領域を割り当てるために論理的なルール(>/</==)を使用する場合は、結果が優れていることに気づいた、私は木がすべての利用可能な結果を通過しないことを理解したり、少し補強とカットルールのために、サンプルの5〜10%の信頼できる認識の損失で切断されています。ポイントは、1本の木がシーケンスを学習するだけで、変化するパターンに適応するチャンスがないことです(市場では、常にそうなります)。 アンサンブルは多くのランダムな要素を持ち、新しいデータに対するロバスト性を向上させます。 そうだ、木を切ることを剪定という。 Maxim Dmitrievsky 2018.05.11 08:46 #8957 ヴィザード_。トリックスターのストーン・マキシムは、あなたのことを全く気にしていない。 あなたの心の奥底を理解していない。 昨日 オートマタを追った気をつけよう)))愉快だ...。なぜ私が魔法使いなのですか? 私の投稿が魔法のように消えることはありません。 統計的な挑発をしているだけです。 そして、私はタバコを吸わない Aleksey Vyazmikin 2018.05.11 09:17 #8958 マキシム・ドミトリエフスキーポイントは、1本の木が単にシーケンスを学習するだけで、パターンの変化に適応するチャンスがないことです(市場では常にそうです)。 アンサンブルは多くのランダムな要素を持ち、新しいデータに対するロバスト性を向上させます。 そうだ、木を切ることを剪定という。パターンがどのように変化していくのか、どうしてわかるのでしょうか?ネットワークはサンプルを100分割し、その中で予測因子の関係だけでなく、その関係の変化の性質、つまりパターンを調べることができるでしょうか。もしそうなら、そう、パターンを変えるためのルールを推論することができるのですが、私が読んだ限りでは、すべて変態的な分類のように思えます。 私がツリーで気に入っているのは階層の設定です。今使っているプログラムでは、基本的な階層を作り、そこから自動計算をすることができます(今のところ面倒ですが、私がすべてのツールを使っていないのかもしれません、名前を聞いても理解できないものも多いですから)。例えば、ATCを作成する際に、TSが取引の意思決定をするために答えるべき質問を使います。 - ここはどこだ?(価格帯の説明) - どうやってここに来たんだろう?(条件付き反対点から現在の点への移動の分析)。 - どんなことが起こりうるのか?(将来発生する可能性のある事象の算出) - どうすればいいのか?(第1〜3問の解答を参考にした歴史的パターンの分析) - リスクに見合うか?(参入による損失の可能性と利益の可能性の分析) だから、ネット/ツリー/フォレストには、取引を決めるときに、これらの質問に同じ順序で答えてほしいのです。 Maxim Dmitrievsky 2018.05.11 09:23 #8959 アレクセイ・ヴャジミキンパターンがどのように変化していくのか、どうしてわかるのでしょうか?ネットワークはサンプルを100分割し、その中で予測因子の関係だけでなく、その関係の変化の性質、つまりパターンを調べることができるでしょうか。そうすると、たしかにパターンを変えるためのルールは推論できるのですが、私が読んだ限りでは、変態的な分類のように思えます。レは、クロスバリデーションによるニューラルネットワークや、基礎となるモデルのアンサンブルも行います。 + 様々な正則化 Aleksey Vyazmikin 2018.05.11 09:32 #8960 マキシム・ドミトリエフスキーForestがそうだし、クロスバリデーションによるニューラルネットワークや、基本モデルのアンサンブルもそうだ。NSについて - まだ何か理解できていないのかもしれませんが...。 森はどうなっているのか?フォレストは予測子をランダムに取り出して、その間のつながりを探し、投票するだけです。サンプル/予測変数のランダム性に応じて、定常モデルの下でサンプルに対して誤った/誤った投票をするか、サンプル内のパターンが変化すると仮定して、そのサンプルによって正しい投票が偏ることになります。しかし、パターン変化の解析はどこにあるのでしょうか?私の理解では、予測変数がどの程度優れているかがわからないときは、フォレストが良いのですが、予測変数の相互強化がない場合、そのような予測変数は投票において重みを持たないか、その重みが有意でないかのどちらかです。それとも、私が勘違いしているのでしょうか? 1...889890891892893894895896897898899900901902903...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
と言って、このモデルはOOSのレシェトフのものと全く同じ働きをする のです。全く同じです。
つまり、あなたの場合、何もないのですか? 私は、同じように、よりライミーな3年生のパロキアルを教えます。
つまり、あなたの場合、NOTHING? は、同じことを、3年生のパロキアルよりも言うのです。
マキシムカ、今度こそダメだ......。マジシャンは正しいことがわかった。データの品質が一桁上がり、それゆえモデルの品質も向上した......。
私の大好きな二人のマジシャンがまた友達になりました。その先にあるものは何なのか)))
違う...まだ謝ってないのに...。まだ謝ることはないのですが......。
いや、やったことがない。
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すでに普遍的な分類器や近似器であり、手で修正することは何もないのです
と単木はどちらかというと弱い原始的なアルゴリズムです。
ツリーというのは、どちらかというと分析した上で形成される明確なロジックで、それ以外は今のところ自分にとってフィッティングのような印象です。
私は、市場のさまざまな状況を考慮するための便利なツール、つまり、1つの同じパターンをさまざまな条件で使用することができ、その条件を選択することでパターンが活性化するかしないか、ということに興味を持ったのである。複雑なパターンを形成するための非常にクールなツールであり、簡単にプログラムすることができますが、便利なプログラムがありません。
そして、もし木が、利用可能な予測変数の90%で結果を出すなら、これはすでに十分すぎるほどで、では、NSや木のアンサンブルのポイントは何なのでしょうか?ツリーが予測変数の分類領域の選択にブーリアンルール(>/</==)を使用する場合、結果はより良いことに気づきました。ツリーは利用可能なすべての結果を検索しないか、サポートが小さいルールをカットするため、結果としてサンプルの信頼できる認識の5-10%が失われると理解しています。
そして、もし木が利用可能な予測変数の90%の結果を与えるなら、それは十二分であり、それならNSや木のアンサンブルの意味は何なのでしょうか? 私は、木が予測分類の領域を割り当てるために論理的なルール(>/</==)を使用する場合は、結果が優れていることに気づいた、私は木がすべての利用可能な結果を通過しないことを理解したり、少し補強とカットルールのために、サンプルの5〜10%の信頼できる認識の損失で切断されています。
ポイントは、1本の木がシーケンスを学習するだけで、変化するパターンに適応するチャンスがないことです(市場では、常にそうなります)。
アンサンブルは多くのランダムな要素を持ち、新しいデータに対するロバスト性を向上させます。
そうだ、木を切ることを剪定という。
トリックスターのストーン・マキシムは、あなたのことを全く気にしていない。
あなたの心の奥底を理解していない。
昨日 オートマタを追った気をつけよう)))愉快だ...。
なぜ私が魔法使いなのですか? 私の投稿が魔法のように消えることはありません。
統計的な挑発をしているだけです。
そして、私はタバコを吸わない
ポイントは、1本の木が単にシーケンスを学習するだけで、パターンの変化に適応するチャンスがないことです(市場では常にそうです)。
アンサンブルは多くのランダムな要素を持ち、新しいデータに対するロバスト性を向上させます。
そうだ、木を切ることを剪定という。
パターンがどのように変化していくのか、どうしてわかるのでしょうか?ネットワークはサンプルを100分割し、その中で予測因子の関係だけでなく、その関係の変化の性質、つまりパターンを調べることができるでしょうか。もしそうなら、そう、パターンを変えるためのルールを推論することができるのですが、私が読んだ限りでは、すべて変態的な分類のように思えます。
私がツリーで気に入っているのは階層の設定です。今使っているプログラムでは、基本的な階層を作り、そこから自動計算をすることができます(今のところ面倒ですが、私がすべてのツールを使っていないのかもしれません、名前を聞いても理解できないものも多いですから)。例えば、ATCを作成する際に、TSが取引の意思決定をするために答えるべき質問を使います。
- ここはどこだ?(価格帯の説明)
- どうやってここに来たんだろう?(条件付き反対点から現在の点への移動の分析)。
- どんなことが起こりうるのか?(将来発生する可能性のある事象の算出)
- どうすればいいのか?(第1〜3問の解答を参考にした歴史的パターンの分析)
- リスクに見合うか?(参入による損失の可能性と利益の可能性の分析)
だから、ネット/ツリー/フォレストには、取引を決めるときに、これらの質問に同じ順序で答えてほしいのです。
パターンがどのように変化していくのか、どうしてわかるのでしょうか?ネットワークはサンプルを100分割し、その中で予測因子の関係だけでなく、その関係の変化の性質、つまりパターンを調べることができるでしょうか。そうすると、たしかにパターンを変えるためのルールは推論できるのですが、私が読んだ限りでは、変態的な分類のように思えます。
レは、クロスバリデーションによるニューラルネットワークや、基礎となるモデルのアンサンブルも行います。
+ 様々な正則化
Forestがそうだし、クロスバリデーションによるニューラルネットワークや、基本モデルのアンサンブルもそうだ。
NSについて - まだ何か理解できていないのかもしれませんが...。
森はどうなっているのか?フォレストは予測子をランダムに取り出して、その間のつながりを探し、投票するだけです。サンプル/予測変数のランダム性に応じて、定常モデルの下でサンプルに対して誤った/誤った投票をするか、サンプル内のパターンが変化すると仮定して、そのサンプルによって正しい投票が偏ることになります。しかし、パターン変化の解析はどこにあるのでしょうか?私の理解では、予測変数がどの程度優れているかがわからないときは、フォレストが良いのですが、予測変数の相互強化がない場合、そのような予測変数は投票において重みを持たないか、その重みが有意でないかのどちらかです。それとも、私が勘違いしているのでしょうか?