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 937 1...930931932933934935936937938939940941942943944...3399 新しいコメント Dr. Trader 2018.05.22 02:08 #9361 はい、多くのクラスを持つことができます。しかし、2つ以上のクラスを持つモデルを扱うことはほとんどなく、特に1つのクラスが他のクラスより多い場合は、常に困難で問題があります。やってみることは可能ですが、正直なところ、いい結果は望めません。 今はちょっと複雑で、あるツリーはロングできない場所を知っているフィルターで、別のツリーはロングできる場所を知っていて、ショートのために似たようなツリーが2つ欠けています。これらの情報を1つのツリーにまとめることで、3つのクラスを使うデメリットを上回り、パズルがまとまっていくのかもしれませんね :) Aleksey Vyazmikin 2018.05.22 08:25 #9362 Dr.トレーダー： はい、多くのクラスを持つことができます。しかし、2つ以上のクラスを持つモデルを扱うことはほとんどなく、特に1つのクラスが他のクラスより多い場合は、常に困難で問題があります。やってみることは可能ですが、正直なところ、いい結果は望めません。今はちょっと複雑で、あるツリーはロングできない場所を知っているフィルターで、別のツリーはロングできる場所を知っていて、ショートのために似たようなツリーが2つ欠けています。これらの情報を1つのツリーにまとめることで、3つのクラスを使うことのデメリットを克服し、パズルがうまくいくのかもしれませんね :)その結果が楽しみです。 どうだろう、バカなテイクプロフィットで 新しいターゲットを作れば、もっとエントリーが増えるかもしれないね。ターゲットが全く明確でない、今、それらの多くは（多くのエントリで）露骨に反転をキャッチしている、私はそれらを入力したくない - 私は反転の確実性はないと思うが、トレンドの動きの終了の確実性があり、人はフラット期待できる - すなわち、我々はそこにノイズターゲットを取得します。エントリー数が少ないファイルでは、きれいなターゲットがあるはずですが、フラットからのエントリー、動き続けるための修正後のエントリー、反転のためのエントリー（例えば、時間足TFのピンバー形成時）など、様々なタイプのエントリーに出くわすこともあるはずです。また、小節が連続している間は進入可能で、「進入窓が開いている」というニュアンスがありますが、そこでもアクシデントによるノイズが出ることがあります。同じ絵を見せるためにターゲットを分けた方がいいのかもしれないと思っています。 Maxim Dmitrievsky 2018.05.22 10:32 #9363 ロフィルドkfold alglibを使った実験はされましたか、結果は改善されましたか？昔の投稿で、サンプルが混ざらないようなことが書いてありましたね。その必要はあるのでしょうか？同じデータで、森とmlpのどちらがオーバートレーニングにならないか、結論を出してください。回帰タスクではフォレストが曲がって動作し、分類基準では曲がって（非常に小さく）エラーを返しているのではないかという疑念があります。 2.OpClに興味を持つ人がいるようですが、NSをそれに書き換えるという考えはなかったのでしょうか？例えば、私はGAを悪夢のような無意味なものとして完全にあきらめ、今はすべて1コア1スレッドで学習しています。Clで高速化すればいい（それくらいの速さではあるが）。というか、Sparkでトレーニングしても、どうせパラレルだし、意味がない。 3.gitに何を載せ、どのように適用するのかが大体わかった。素晴らしい面白い作品ですね！リスペクトです。:) Alexander Ivanov 2018.05.22 10:37 #9364 ハイ) コードをスキャンして洗濯機に貼り付け、スイッチを入れて教えます。 そして、そのコードをミシンで3回縫って、ニューラルネットワークを深く訓練しました。 その結果、コードが見違えるほど変わってしまい、今度はそれをトレードでどう使おうかと悩んでいます...。 Alexander Ivanov 2018.05.22 10:49 #9365 superbotはまだですか？ 2年前から待っていた。 Yuriy Asaulenko 2018.05.22 10:51 #9366 マキシム・ドミトリエフスキー森とMLPのどちらが過学習でないか、結論は出ているのでしょうか？パッケージの1つには、予測型NS（MLP）のデモ例題があります。ちなみに、比較的複雑でないNSです。だから、再教育するのは非現実的なんです。どう鍛えなおしても、すべてがうまくいく。 つまり、再トレーニングは、まずNSに課せられたタスクに依存する。まあ、それと、MLPの複雑さが課題に合っているかどうかということですね。 Yuriy Asaulenko 2018.05.22 11:38 #9367 マキシム・ドミトリエフスキー特にalglibについて、また異なるモデルの同じデータに対するテストについて話しています。NSはNSである。alglibだろうが何だろうが、違いはない。NSが再学習する場合は、設定された課題に対して不十分であることを意味し、課題かNSの構造のどちらかを変更する必要がある。と悩まないでください）。ある陸軍士官がよく言っていたように、F...(森と一緒で何も言えません）。 森については、私は一緒に仕事をしていないので何とも言えません。 Aleksey Vyazmikin 2018.05.22 12:42 #9368 予測因子ではなく、非標的でツリーを学習させる場合はどうでしょうか？良いトレーニングを積んだ上で、有意でない予測因子を特定することができるのだろうか？つまり、テストモデルが予測器をよく認識するのであれば、他の予測器はすでに十分な情報を含んでおり、その予測器は冗長であり破棄することができる。しかし、予測因子ではなく、ユニークな組み合わせの冗長性そのものに問題があるとしたらどうだろう。 例えば、1時間の数字をターゲットにすることにしました。 トレーニングサンプルでの結果 テストサンプルでの結果 10時がよく予測されていることがわかりますが、その時間帯は他のサンプルと異なる条件があると仮定していいのでしょうか？そうだと思います。残りの時間帯をグループ化してみます。そうすれば、これらの時間帯の価格行動の特殊性をよりよく見分けることができるかもしれません。 Forester 2018.05.22 14:03 #9369 アレクセイ・ヴャジミキン予測因子ではなく、非標的でツリーを学習させる場合はどうでしょうか？良いトレーニングを積んだ上で、有意でない予測因子を特定することができるのだろうか？つまり、テストモデルが予測器をよく認識するのであれば、他の予測器はすでに十分な情報を含んでおり、その予測器は冗長であり破棄することができる。しかし、予測因子ではなく、ユニークな組み合わせの冗長性そのものに問題があるとしたらどうだろう。 例えば、1時間の数字をターゲットにすることにしました。 トレーニングサンプルでの結果 テストサンプルでの結果 10時がよく予測されていることがわかりますが、その時間帯は他のサンプルと異なる条件があると仮定していいのでしょうか？そうだと思います。残りの時間帯をグループ化してみると、その時間帯の価格行動の特異性をよりよく識別できるようになるかもしれませんね。 24時からの大休止の後、10時が先だからでしょうか？だからよく予知できたのでしょうか。24時間には、低ボラティリティ以外に何か特徴があるのでしょうか？ Renat Akhtyamov 2018.05.22 14:06 #9370 ユーリイ・アサウレンコ1日では足りないかもしれません）。実は特殊なんです）。長年、現役の生涯をかけても研究されています。 NS、想起されないが、DSPで広く使われている。DSPにおけるNSの応用の問題は、NSのための正しい問題の定式化である。例えば、NSの応用として、適応型フィルタリングを含むフィルタリングがあります。 ちなみにNSは、これを持ってくるのではなく、かなり具体的なタスクを与えるとうまくいきますよ、なんちゃって。どんどんのめり込んでいきます。 私は5年間このフィックを研究してきましたが、フォーラムに適用することが可能であるとは想像すらできませんでした。 つまり、NSは通常の適応型非回帰 フィルタである。 いろいろな種類がありますね。 先生付き、先生なしなど。 予測因子 -デジタル・フィルタリング 係数。初歩的なことなのに、なんだか科学を踏みにじっているようで滑稽です...。すべて昔の話です。(1950年代と同じように古いものばかりです）。 教えてください-すでにブラインドでやっているのか、トレーニングで入出力を使っているのか？//ブラインドとは、出力が何であるかわからず、比較するものがない場合...。この場合、ノイズをカットすることが主な目的だと言われています。 // また、視認された場合、予測はエラーベクトルで計算され、フィルタリングされることになります。しかし、少なくとも1ティック分、処理に遅れが生じています。 1...930931932933934935936937938939940941942943944...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
はい、多くのクラスを持つことができます。しかし、2つ以上のクラスを持つモデルを扱うことはほとんどなく、特に1つのクラスが他のクラスより多い場合は、常に困難で問題があります。やってみることは可能ですが、正直なところ、いい結果は望めません。
今はちょっと複雑で、あるツリーはロングできない場所を知っているフィルターで、別のツリーはロングできる場所を知っていて、ショートのために似たようなツリーが2つ欠けています。これらの情報を1つのツリーにまとめることで、3つのクラスを使うデメリットを上回り、パズルがまとまっていくのかもしれませんね :)
はい、多くのクラスを持つことができます。しかし、2つ以上のクラスを持つモデルを扱うことはほとんどなく、特に1つのクラスが他のクラスより多い場合は、常に困難で問題があります。やってみることは可能ですが、正直なところ、いい結果は望めません。
今はちょっと複雑で、あるツリーはロングできない場所を知っているフィルターで、別のツリーはロングできる場所を知っていて、ショートのために似たようなツリーが2つ欠けています。これらの情報を1つのツリーにまとめることで、3つのクラスを使うことのデメリットを克服し、パズルがうまくいくのかもしれませんね :)
その結果が楽しみです。
どうだろう、バカなテイクプロフィットで 新しいターゲットを作れば、もっとエントリーが増えるかもしれないね。ターゲットが全く明確でない、今、それらの多くは（多くのエントリで）露骨に反転をキャッチしている、私はそれらを入力したくない - 私は反転の確実性はないと思うが、トレンドの動きの終了の確実性があり、人はフラット期待できる - すなわち、我々はそこにノイズターゲットを取得します。エントリー数が少ないファイルでは、きれいなターゲットがあるはずですが、フラットからのエントリー、動き続けるための修正後のエントリー、反転のためのエントリー（例えば、時間足TFのピンバー形成時）など、様々なタイプのエントリーに出くわすこともあるはずです。また、小節が連続している間は進入可能で、「進入窓が開いている」というニュアンスがありますが、そこでもアクシデントによるノイズが出ることがあります。同じ絵を見せるためにターゲットを分けた方がいいのかもしれないと思っています。
kfold alglibを使った実験はされましたか、結果は改善されましたか？昔の投稿で、サンプルが混ざらないようなことが書いてありましたね。その必要はあるのでしょうか？
同じデータで、森とmlpのどちらがオーバートレーニングにならないか、結論を出してください。回帰タスクではフォレストが曲がって動作し、分類基準では曲がって（非常に小さく）エラーを返しているのではないかという疑念があります。
2.OpClに興味を持つ人がいるようですが、NSをそれに書き換えるという考えはなかったのでしょうか？例えば、私はGAを悪夢のような無意味なものとして完全にあきらめ、今はすべて1コア1スレッドで学習しています。Clで高速化すればいい（それくらいの速さではあるが）。というか、Sparkでトレーニングしても、どうせパラレルだし、意味がない。
3.gitに何を載せ、どのように適用するのかが大体わかった。素晴らしい面白い作品ですね！リスペクトです。:)
ハイ)
コードをスキャンして洗濯機に貼り付け、スイッチを入れて教えます。
そして、そのコードをミシンで3回縫って、ニューラルネットワークを深く訓練しました。
その結果、コードが見違えるほど変わってしまい、今度はそれをトレードでどう使おうかと悩んでいます...。
superbotはまだですか？
2年前から待っていた。
森とMLPのどちらが過学習でないか、結論は出ているのでしょうか？
パッケージの1つには、予測型NS（MLP）のデモ例題があります。ちなみに、比較的複雑でないNSです。だから、再教育するのは非現実的なんです。どう鍛えなおしても、すべてがうまくいく。
つまり、再トレーニングは、まずNSに課せられたタスクに依存する。まあ、それと、MLPの複雑さが課題に合っているかどうかということですね。
特にalglibについて、また異なるモデルの同じデータに対するテストについて話しています。
NSはNSである。alglibだろうが何だろうが、違いはない。NSが再学習する場合は、設定された課題に対して不十分であることを意味し、課題かNSの構造のどちらかを変更する必要がある。と悩まないでください）。ある陸軍士官がよく言っていたように、F...(森と一緒で何も言えません）。
森については、私は一緒に仕事をしていないので何とも言えません。
予測因子ではなく、非標的でツリーを学習させる場合はどうでしょうか？良いトレーニングを積んだ上で、有意でない予測因子を特定することができるのだろうか？つまり、テストモデルが予測器をよく認識するのであれば、他の予測器はすでに十分な情報を含んでおり、その予測器は冗長であり破棄することができる。しかし、予測因子ではなく、ユニークな組み合わせの冗長性そのものに問題があるとしたらどうだろう。
例えば、1時間の数字をターゲットにすることにしました。
トレーニングサンプルでの結果
テストサンプルでの結果
10時がよく予測されていることがわかりますが、その時間帯は他のサンプルと異なる条件があると仮定していいのでしょうか？そうだと思います。残りの時間帯をグループ化してみます。そうすれば、これらの時間帯の価格行動の特殊性をよりよく見分けることができるかもしれません。
予測因子ではなく、非標的でツリーを学習させる場合はどうでしょうか？良いトレーニングを積んだ上で、有意でない予測因子を特定することができるのだろうか？つまり、テストモデルが予測器をよく認識するのであれば、他の予測器はすでに十分な情報を含んでおり、その予測器は冗長であり破棄することができる。しかし、予測因子ではなく、ユニークな組み合わせの冗長性そのものに問題があるとしたらどうだろう。
例えば、1時間の数字をターゲットにすることにしました。
トレーニングサンプルでの結果
テストサンプルでの結果
10時がよく予測されていることがわかりますが、その時間帯は他のサンプルと異なる条件があると仮定していいのでしょうか？そうだと思います。残りの時間帯をグループ化してみると、その時間帯の価格行動の特異性をよりよく識別できるようになるかもしれませんね。
1日では足りないかもしれません）。実は特殊なんです）。長年、現役の生涯をかけても研究されています。
NS、想起されないが、DSPで広く使われている。DSPにおけるNSの応用の問題は、NSのための正しい問題の定式化である。例えば、NSの応用として、適応型フィルタリングを含むフィルタリングがあります。
ちなみにNSは、これを持ってくるのではなく、かなり具体的なタスクを与えるとうまくいきますよ、なんちゃって。
どんどんのめり込んでいきます。
私は5年間このフィックを研究してきましたが、フォーラムに適用することが可能であるとは想像すらできませんでした。
つまり、NSは通常の適応型非回帰 フィルタである。
いろいろな種類がありますね。
先生付き、先生なしなど。
予測因子 -デジタル・フィルタリング 係数。初歩的なことなのに、なんだか科学を踏みにじっているようで滑稽です...。すべて昔の話です。(1950年代と同じように古いものばかりです）。
教えてください-すでにブラインドでやっているのか、トレーニングで入出力を使っているのか？
//ブラインドとは、出力が何であるかわからず、比較するものがない場合...。この場合、ノイズをカットすることが主な目的だと言われています。
// また、視認された場合、予測はエラーベクトルで計算され、フィルタリングされることになります。しかし、少なくとも1ティック分、処理に遅れが生じています。