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 929 1...922923924925926927928929930931932933934935936...3399 新しいコメント Maxim Dmitrievsky 2018.05.19 10:54 #9281 ミハイル・マルキュカイツ 基本戦略は、分析する瞬間（時間）を選択するためにのみ必要である。静的で最適化パラメータを持たないことも可能です。基本戦略を最適化すれば、山ほどモデルができる。基本戦略の最適化は意味をなさない。ロードはNSが担当する。一日の取引 数など、基本的な戦略に適したパラメータを設定し、NSを訓練すればよいのです。そうですね、基本的な戦略は非常にシンプルであるべきです。フレームワークを少し修正すれば、どんな戦略でも追加できますから、多様性が必要です。 Mihail Marchukajtes 2018.05.19 10:54 #9282 マキシム・ドミトリエフスキー彼女は私が賢いので、オーストラリアに友達がいるから連れていってあげないといけないと言っています。 そのためには偽装結婚が必要です。あなたはとてもスマートです...お前みたいなイケメンと一回偽装結婚してもいいんだけどな...。よかったね!!!!みんな、見てみてね。さすが、マキシムカさんですね。） Aleksey Vyazmikin 2018.05.19 11:00 #9283 Dr.トレーダー楕円の予測では、まだ丸めが必要です（>0.5 -> 1; <0.5 -> 0）私はmnogovhodovを試してみます。よくわからないのですが、0.5より大きい値が2つある場合、何？ Maxim Dmitrievsky 2018.05.19 11:00 #9284 ミハイル・マルキュカイツあなたはとてもスマートです...一度でいいから、あなたみたいなイケメンと偽装結婚してみたいわ...。よかったね!!!!見てください、この乗り心地............。さすが、マキシムカさんですね。）面白いのは、気分や自尊心を壊したいなら、株式市場に行けばいいということだ 乱用しないほうがいい。趣味としてならOKです。ニューラルネットワークは面白いけど、それ以上ではないんです。複雑にすればするほど、混乱する。 Dr. Trader 2018.05.19 11:04 #9285 すると、どちらも四捨五入すると1になります。 確率を気にしないのであれば、丸めの結果、すべての枝が同じクラスになるのであれば、すべての枝を削除することができます。 Aleksey Vyazmikin 2018.05.19 11:05 #9286 Dr.トレーダーmnogovhodov_02 2016 arr_Buyはこのようになりました。 y_predy_true0101017975244512431024208結果をどう評価すればいいのかもわからない...。まだ予測変数がたくさん残っているので、木はまだ枝分かれすることができるようです。なぜダメなのか？ 例えば、右端の枝が77%で正しい入力をしたことは非常に良いことですが、これが何回あったかは不明です。 Dr.トレーダー代替品です。結果は、確率なしに、すぐにクラスに表示されます。私にはその方が悪いように思えます。 y_predy_true010817447249811861829900 これはパターンが完成していればより意味があるのですが、確率が49対51の場合、実際には Mihail Marchukajtes 2018.05.19 11:07 #9287 マキシム・ドミトリエフスキー面白いのは、気分も自尊心も台無しにしたければ、証券取引所に行くことだ ので、使いすぎない方がよいでしょう。趣味としてはいいんですけどね。ニューラルネットワークは面白いけど、それ以上ではない...。複雑にすればするほど、混乱する。私はあなたを認めない単純な事実を理解するのは、本当に良いことだと思います。機械学習の分野でも、"Everything brilliant is simple "である。ネットワークはシンプルな方がうまくいく......。 Aleksey Vyazmikin 2018.05.19 11:08 #9288 Dr.トレーダーすると、どちらも四捨五入すると1になります。 確率を気にしないのであれば、丸めの結果、すべて同じクラスになるのであれば、枝全体を捨てることができる。そして、確率の良い枝を見つけて、それを1つの予測子にエンコードし、もう一度、木に挽かせれば、木は見つけた結果からどう改善するかを考えるでしょう（予測子は正しい判断の割合が高いので、それを好むはずだと思いませんか）。 Dr. Trader 2018.05.19 11:10 #9289 アレクセイ・ヴャジミキンまだ予測変数がたくさん残っているので、ツリーはまだ枝分かれするようです。なぜダメなのか？さらに分岐すれば、もちろんこのデータの精度は上がります。しかし、新しいデータが出れば減少する可能性が高い。 木が何かを学習した時点で一定の最適値に達していますが、まだオーバーフィットはしていないので、新しいデータでも同じような結果が期待できます。 Maxim Dmitrievsky 2018.05.19 11:14 #9290 ミハイル・マルキュカイツ私はあなたを認識できません。シンプルな真実を知ることができて、本当に良かったですね。機械学習の分野でも、"Everything brilliant is simple "である。ネットワークはシンプルな方がうまくいく......。まあ、みんなとやって、市場が勝ったことを示したいという願望みたいなものです。しかし、それ以外はもちろんナンセンスです...。) 1...922923924925926927928929930931932933934935936...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
基本戦略は、分析する瞬間（時間）を選択するためにのみ必要である。静的で最適化パラメータを持たないことも可能です。基本戦略を最適化すれば、山ほどモデルができる。基本戦略の最適化は意味をなさない。ロードはNSが担当する。一日の取引 数など、基本的な戦略に適したパラメータを設定し、NSを訓練すればよいのです。
そうですね、基本的な戦略は非常にシンプルであるべきです。フレームワークを少し修正すれば、どんな戦略でも追加できますから、多様性が必要です。
彼女は私が賢いので、オーストラリアに友達がいるから連れていってあげないといけないと言っています。
そのためには偽装結婚が必要です。
あなたはとてもスマートです...お前みたいなイケメンと一回偽装結婚してもいいんだけどな...。よかったね!!!!みんな、見てみてね。さすが、マキシムカさんですね。）
楕円の予測では、まだ丸めが必要です（>0.5 -> 1; <0.5 -> 0）私はmnogovhodovを試してみます。
よくわからないのですが、0.5より大きい値が2つある場合、何？
あなたはとてもスマートです...一度でいいから、あなたみたいなイケメンと偽装結婚してみたいわ...。よかったね!!!!見てください、この乗り心地............。さすが、マキシムカさんですね。）
面白いのは、気分や自尊心を壊したいなら、株式市場に行けばいいということだ
乱用しないほうがいい。趣味としてならOKです。ニューラルネットワークは面白いけど、それ以上ではないんです。複雑にすればするほど、混乱する。
すると、どちらも四捨五入すると1になります。
確率を気にしないのであれば、丸めの結果、すべての枝が同じクラスになるのであれば、すべての枝を削除することができます。
mnogovhodov_02 2016 arr_Buyはこのようになりました。
結果をどう評価すればいいのかもわからない...。まだ予測変数がたくさん残っているので、木はまだ枝分かれすることができるようです。なぜダメなのか？
例えば、右端の枝が77%で正しい入力をしたことは非常に良いことですが、これが何回あったかは不明です。
代替品です。結果は、確率なしに、すぐにクラスに表示されます。私にはその方が悪いように思えます。
これはパターンが完成していればより意味があるのですが、確率が49対51の場合、実際には
面白いのは、気分も自尊心も台無しにしたければ、証券取引所に行くことだ
ので、使いすぎない方がよいでしょう。趣味としてはいいんですけどね。ニューラルネットワークは面白いけど、それ以上ではない...。複雑にすればするほど、混乱する。
私はあなたを認めない単純な事実を理解するのは、本当に良いことだと思います。機械学習の分野でも、"Everything brilliant is simple "である。ネットワークはシンプルな方がうまくいく......。
すると、どちらも四捨五入すると1になります。
確率を気にしないのであれば、丸めの結果、すべて同じクラスになるのであれば、枝全体を捨てることができる。
そして、確率の良い枝を見つけて、それを1つの予測子にエンコードし、もう一度、木に挽かせれば、木は見つけた結果からどう改善するかを考えるでしょう（予測子は正しい判断の割合が高いので、それを好むはずだと思いませんか）。
まだ予測変数がたくさん残っているので、ツリーはまだ枝分かれするようです。なぜダメなのか？
さらに分岐すれば、もちろんこのデータの精度は上がります。しかし、新しいデータが出れば減少する可能性が高い。
木が何かを学習した時点で一定の最適値に達していますが、まだオーバーフィットはしていないので、新しいデータでも同じような結果が期待できます。
私はあなたを認識できません。シンプルな真実を知ることができて、本当に良かったですね。機械学習の分野でも、"Everything brilliant is simple "である。ネットワークはシンプルな方がうまくいく......。
まあ、みんなとやって、市場が勝ったことを示したいという願望みたいなものです。しかし、それ以外はもちろんナンセンスです...。)