ニューラルネットワークの入力に投入する指標群を見つけること。ディスカッションを行います。結果を評価するためのツールです。 - ページ 6 12345678910 新しいコメント RIP 2009.11.10 21:18 #51 joo писал(а) >> rip さんやIlyaA さんは、iliarr さんが先生不在の教授法を使っていることを理解していないようですね。目標関数が利益である場合、どのような学習誤差があるのだろうか？それともお二人とも、履歴でネットワークを学習させた後、テストの履歴で実行し、得られた利益を比較するとお考えでしょうか？利益は、少なくても多くても、違うでしょう。テスト履歴が違うんです。近似の質の基準は、元の関数と得られた関数の標準偏差である近似と混同しないでください。 MSEは何の関係があるんだ!著者の考えによるネットワークの正しさの見積もりは、利益関数である。つまり、ロング・ショート・ポジションが開設され、trade.Profitはそれらと相対的に、あるいはそれらを使って計算されます - これはコードで見ることができます。なるほど、それなら、ある世代で最も優秀とされるテストサンプルの中で、ある個体がどのように振る舞うかを見るだけでいいのですね。なぜこれが重要かというと、利益はトレーニングサンプルとの相対的な関係でカウントされるからです。また、ネットワークに提示されていないサンプルでも同じ挙動を示すと誰が言えるでしょうか。 教師がいるいないに関わらず、どのような方法でネットワークを学習させたとしても、結果が分かっているテストサンプルがあれば、過学習の程度を推定することができます。 そうでなければ、「シャーマニズム」に戻ってしまう。ネットワークに何かが与えられ、何かが受け取られ、その結果を解釈しようということです。 Andrey Dik 2009.11.10 21:47 #52 MSEは何の関係があるんだ!著者の考えによるネットワークの正しさの推定は、利益関数である。つまり、ロング/ショートのポジションが開設され、trade.Profitはそれらに対して計算されます - これはコードから見ることができます。なるほど、それなら、ある世代で最も優秀とされるテストサンプルの中で、ある個体がどのように振る舞うかを見るだけでいいのですね。なぜこれが重要かというと、利益はトレーニングサンプルとの相対的な関係でカウントされるからです。また、ネットワークに提示されていないサンプルでも同じ挙動を示すと誰が言うのでしょうか。 f-fromプロフィットは、ネットワークの作業の正しさの評価として使用 することはできません。Profit-Factorは、Expert Advisorが可能な限り高い利益を得る能力という観点からネットワークを説明するだけです。ネットワークの正しさについては、これ以上語ることはできない。考えてみてください、ある期間、同じ額の利益を得るために、さまざまな方法を取ることが可能なのです。どのトレーダーも、どちらを重視するかはほとんど決まっている。例えば、TSの最大相対引き込み量などの評価基準を用いて、ネットワーク性能を 評価することができる。すなわち、著者はトレーニングサンプルでf-fromの利益を最大化し、テストサンプルでテストし、上記のパラメータを使って推定しなければなりません。あるいは、例えば標準的なMakdi Expert Advisorを最適化する場合、利益が最大となるバリアントも選択するのでしょうか。 教師がいるいないに関わらず、ネットワークの学習方法に関わらず、結果が分かって いるテストサンプルで、過学習の程度を評価することができます。 そうでなければ、「シャーマニズム」に戻ってしまう。ネットワークに何かを与え、何かを得て、その結果を解釈しようということです。 利益関数を使用する場合、テストサンプルでどのように 既知の結果を 得るのでしょうか？ ilyaa 2009.11.10 21:55 #53 jooさんへ、他人の行動や考えを論じることは、特にその人が知らない人であれば、しないようにお願いします。また、以下の質問にもお答えください。遺伝で学習させれば、ネットワークはデータに適応すると思いますか？一般化せず、適応させる？ Andrey Dik 2009.11.10 22:03 #54 IlyaA >> : jooさんへ、他人の行動や思考を論じるのは、特に身近な人でない場合はやめていただきたいのですが・・・。 他人の行動や他人の考えを論じているように見えたのなら謝ります、私情を挟んだつもりはありません。もう一度言いますが、そうだったらごめんなさい。 また、この質問にもお答えください。ゲン担ぎで学習させれば、ネットワークはデータに適応すると思いますか？一般化せず、適応させる？ 神経回路網が何にでも適応できる能力は、遺伝に依存しない。遺伝は最適化の手法のひとつに過ぎない。重要なのは、提示されたデータ、ネットワークのトポロジー、結果の推定方法である。 ilyaa 2009.11.10 22:07 #55 joo >> : 神経回路網が何にでも適応できる能力は、遺伝に依存しない。遺伝は最適化の手法のひとつに過ぎません。重要なのは、提示されたデータ、ネットワークのトポロジー、結果の推定方法である。 まあ、親しみやすいのはいいんですけどね。したがって、学習エラー曲線がなければ、学習効率曲線があるという論理になる。その場合、国民に見てもらう必要がある。同意見です。 Andrey Dik 2009.11.10 22:21 #56 IlyaA >> : したがって、「学習エラー曲線がなければ、学習効率曲線がある」という論理になる。その場合、国民に見てもらう必要がある。>> 同感です。 私の理屈はこうだ。 動物の世界とのアナロジーである森に鹿と狼が住んでいます。どちらも体重は80kg。鹿は24時間草をかじるが、狼はヘラジカの半分を食べると2週間は食べない。平均摂取カロリーは同じです。でも、食べ物の取り方が違うんです。 TCもそうです。どのように利益を得るか、そのためにTCを評価する基準、この支店の文脈ではNNを選択しなければならないのです。 RIP 2009.11.10 22:53 #57 joo >> : 私の理屈はこうだ。 動物の世界とのアナロジーで森には鹿と狼が住んでいます。2人とも体重は80kg。鹿は24時間草をかじるが、狼はヘラジカの半分を食べると2週間も食べない。平均摂取カロリーは同じです。でも、食べ物の取り方が違うんです。 TCもそうです。どうすれば利益を得られるか、それに応じてTCの評価基準を選び、このブランチの文脈ではNNを選ばなければなりません。 TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ているのです。ネットワークはあくまでデータを分析するための仕組みであり、それ以上のものではありません。 しかし、あなたの寓話を使えば、動物園で鹿と狼が別々に体重を増やすグラフ（この訓練）と、鹿と狼を自然の中に放つ（テスト）、つまり国立公園でレンジャーに見守られながら体重を増やすグラフが見たいのです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができるだろう %) Andrey Dik 2009.11.11 02:53 #58 rip >> : TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ています。ネットワークはあくまでデータ解析の仕組みであり、それ以上のものではありません。 しかし、あなたの寓話を応用して、動物園で鹿と狼が別々に（これは訓練です）体重を増やすグラフと、同じ鹿と狼を自然の中に放し（テスト）、まあ、国立公園で、猟師が見守る中で体重を増やすグラフを見てみたいものです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができる %) あまり問題ない子鹿を育てたら、狼ではなく、ハンサムな雄鹿になったということを何とか推定する必要があります。つまり、餌の摂取率や量ではなく、欲しい種に属しているかどうかを評価することです。おそらく、分類を行うために、要するに消費曲線と基準曲線との「類似性」を判断しているのだろう。そして、これは別に難しいことなのです。 削除済み 2009.11.11 08:19 #59 rip 10.11.2009 23:18 教師がいるいないに関わらず、ネットワークの学習方法に関わらず、結果が分かっているテストサンプルで、過学習の度合いを評価することができます。 そうでなければ、「シャーマニズム」に戻ってしまいます。ネットワークに何かを与え、何かを受け取り、そしてその結果を解釈しようということです。 至極真っ当な意見である。このため、MT4のExpert Advisorに学習させたニューロネットをアンロードして、MT4のストラテジーテスターで得たものをチェックします。 引用は、このトピックの一番最初の投稿からです。 イリアー 2009.11.09 13:13 学習したネットワークをMQL4 Expert Advisorにエクスポートし、MT4のStrategy Testerでその機能を確認します。MT4のインジケーターでニューラルネットワークの入力を形成し、ファイルに書き出す予定です。 そして、ネットワークに送られたデータの品質を評価するために、これらのアップロードをここに掲載する準備が整いました。2009年8月1日から2009年10月1日までのM5レンジを選び、その上で同様のニューラルネットワークを同じように学習させることを提案します。この方法は絶対的に正確であることを約束するものではありませんが、比較するためには有効だと思います。 削除済み 2009.11.11 08:36 #60 rip >> : TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ているのです。ネットワークはあくまでデータ解析の仕組みであり、それ以上のものではありません。 しかし、あなたの寓話を応用して、動物園で鹿と狼が別々に（これは訓練です）体重を増やすグラフと、同じ鹿と狼を自然の中に放し（テスト）、まあ、国立公園で、猟師が見守る中で体重を増やすグラフを見てみたいものです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができる %) トレーニング中は、このようなログが残ります。 Traning log. Thread-6: Generation 10 chromosome whith best fitness: 1007621 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-5: Generation 10 chromosome whith best fitness: 1008875 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-3: Generation 10 chromosome whith best fitness: 1009096 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-6: Generation 20 chromosome whith best fitness: 1009461 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-5: Generation 30 chromosome whith best fitness: 1009501 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-3: Generation 40 chromosome whith best fitness: 1010195 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-3: Generation 100 chromosome whith best fitness: 1010361 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-2: Generation 110 chromosome whith best fitness: 1010481 saved to /home/iliarr/Data/Result/9-10-1.nn Thread-2: Generation 200 chromosome whith best fitness: 1010521 saved to /home/iliarr/Data/Result/9-10-1.nn 目標関数が現在のものより大きければ、ニューラルネットワークをファイルにアンロードし、ログの次の行を書き込みます。 これが質問の答えではないと思いますが、他の統計を取る意味があるとは思えません。 12345678910 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
joo писал(а) >>
rip さんやIlyaA さんは、iliarr さんが先生不在の教授法を使っていることを理解していないようですね。目標関数が利益である場合、どのような学習誤差があるのだろうか？それともお二人とも、履歴でネットワークを学習させた後、テストの履歴で実行し、得られた利益を比較するとお考えでしょうか？利益は、少なくても多くても、違うでしょう。テスト履歴が違うんです。近似の質の基準は、元の関数と得られた関数の標準偏差である近似と混同しないでください。
MSEは何の関係があるんだ!著者の考えによるネットワークの正しさの見積もりは、利益関数である。つまり、ロング・ショート・ポジションが開設され、trade.Profitはそれらと相対的に、あるいはそれらを使って計算されます - これはコードで見ることができます。なるほど、それなら、ある世代で最も優秀とされるテストサンプルの中で、ある個体がどのように振る舞うかを見るだけでいいのですね。なぜこれが重要かというと、利益はトレーニングサンプルとの相対的な関係でカウントされるからです。また、ネットワークに提示されていないサンプルでも同じ挙動を示すと誰が言えるでしょうか。
教師がいるいないに関わらず、どのような方法でネットワークを学習させたとしても、結果が分かっているテストサンプルがあれば、過学習の程度を推定することができます。
そうでなければ、「シャーマニズム」に戻ってしまう。ネットワークに何かが与えられ、何かが受け取られ、その結果を解釈しようということです。
f-fromプロフィットは、ネットワークの作業の正しさの評価として使用 することはできません。Profit-Factorは、Expert Advisorが可能な限り高い利益を得る能力という観点からネットワークを説明するだけです。ネットワークの正しさについては、これ以上語ることはできない。考えてみてください、ある期間、同じ額の利益を得るために、さまざまな方法を取ることが可能なのです。どのトレーダーも、どちらを重視するかはほとんど決まっている。例えば、TSの最大相対引き込み量などの評価基準を用いて、ネットワーク性能を 評価することができる。すなわち、著者はトレーニングサンプルでf-fromの利益を最大化し、テストサンプルでテストし、上記のパラメータを使って推定しなければなりません。あるいは、例えば標準的なMakdi Expert Advisorを最適化する場合、利益が最大となるバリアントも選択するのでしょうか。
教師がいるいないに関わらず、ネットワークの学習方法に関わらず、結果が分かって いるテストサンプルで、過学習の程度を評価することができます。
そうでなければ、「シャーマニズム」に戻ってしまう。ネットワークに何かを与え、何かを得て、その結果を解釈しようということです。
利益関数を使用する場合、テストサンプルでどのように 既知の結果を 得るのでしょうか？
jooさんへ、他人の行動や思考を論じるのは、特に身近な人でない場合はやめていただきたいのですが・・・。
他人の行動や他人の考えを論じているように見えたのなら謝ります、私情を挟んだつもりはありません。もう一度言いますが、そうだったらごめんなさい。
また、この質問にもお答えください。ゲン担ぎで学習させれば、ネットワークはデータに適応すると思いますか？一般化せず、適応させる？
神経回路網が何にでも適応できる能力は、遺伝に依存しない。遺伝は最適化の手法のひとつに過ぎない。重要なのは、提示されたデータ、ネットワークのトポロジー、結果の推定方法である。
神経回路網が何にでも適応できる能力は、遺伝に依存しない。遺伝は最適化の手法のひとつに過ぎません。重要なのは、提示されたデータ、ネットワークのトポロジー、結果の推定方法である。
まあ、親しみやすいのはいいんですけどね。したがって、学習エラー曲線がなければ、学習効率曲線があるという論理になる。その場合、国民に見てもらう必要がある。同意見です。したがって、「学習エラー曲線がなければ、学習効率曲線がある」という論理になる。その場合、国民に見てもらう必要がある。>> 同感です。
私の理屈はこうだ。
動物の世界とのアナロジーである森に鹿と狼が住んでいます。どちらも体重は80kg。鹿は24時間草をかじるが、狼はヘラジカの半分を食べると2週間は食べない。平均摂取カロリーは同じです。でも、食べ物の取り方が違うんです。
TCもそうです。どのように利益を得るか、そのためにTCを評価する基準、この支店の文脈ではNNを選択しなければならないのです。
私の理屈はこうだ。
動物の世界とのアナロジーで森には鹿と狼が住んでいます。2人とも体重は80kg。鹿は24時間草をかじるが、狼はヘラジカの半分を食べると2週間も食べない。平均摂取カロリーは同じです。でも、食べ物の取り方が違うんです。
TCもそうです。どうすれば利益を得られるか、それに応じてTCの評価基準を選び、このブランチの文脈ではNNを選ばなければなりません。
TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ているのです。ネットワークはあくまでデータを分析するための仕組みであり、それ以上のものではありません。
しかし、あなたの寓話を使えば、動物園で鹿と狼が別々に体重を増やすグラフ（この訓練）と、鹿と狼を自然の中に放つ（テスト）、つまり国立公園でレンジャーに見守られながら体重を増やすグラフが見たいのです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができるだろう %)
TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ています。ネットワークはあくまでデータ解析の仕組みであり、それ以上のものではありません。
しかし、あなたの寓話を応用して、動物園で鹿と狼が別々に（これは訓練です）体重を増やすグラフと、同じ鹿と狼を自然の中に放し（テスト）、まあ、国立公園で、猟師が見守る中で体重を増やすグラフを見てみたいものです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができる %)
あまり問題ない子鹿を育てたら、狼ではなく、ハンサムな雄鹿になったということを何とか推定する必要があります。つまり、餌の摂取率や量ではなく、欲しい種に属しているかどうかを評価することです。おそらく、分類を行うために、要するに消費曲線と基準曲線との「類似性」を判断しているのだろう。そして、これは別に難しいことなのです。
rip 10.11.2009 23:18
教師がいるいないに関わらず、ネットワークの学習方法に関わらず、結果が分かっているテストサンプルで、過学習の度合いを評価することができます。
そうでなければ、「シャーマニズム」に戻ってしまいます。ネットワークに何かを与え、何かを受け取り、そしてその結果を解釈しようということです。
至極真っ当な意見である。このため、MT4のExpert Advisorに学習させたニューロネットをアンロードして、MT4のストラテジーテスターで得たものをチェックします。
引用は、このトピックの一番最初の投稿からです。
イリアー 2009.11.09 13:13
学習したネットワークをMQL4 Expert Advisorにエクスポートし、MT4のStrategy Testerでその機能を確認します。MT4のインジケーターでニューラルネットワークの入力を形成し、ファイルに書き出す予定です。
そして、ネットワークに送られたデータの品質を評価するために、これらのアップロードをここに掲載する準備が整いました。2009年8月1日から2009年10月1日までのM5レンジを選び、その上で同様のニューラルネットワークを同じように学習させることを提案します。この方法は絶対的に正確であることを約束するものではありませんが、比較するためには有効だと思います。
TCの観点からネットワークの性能を評価するのですね。私は、TCを参照せずに、ネットワークそのものを見ているのです。ネットワークはあくまでデータ解析の仕組みであり、それ以上のものではありません。
しかし、あなたの寓話を応用して、動物園で鹿と狼が別々に（これは訓練です）体重を増やすグラフと、同じ鹿と狼を自然の中に放し（テスト）、まあ、国立公園で、猟師が見守る中で体重を増やすグラフを見てみたいものです。これをもとに、自然界でどのような挙動を示すか仮説を立てることができる %)
トレーニング中は、このようなログが残ります。
目標関数が現在のものより大きければ、ニューラルネットワークをファイルにアンロードし、ログの次の行を書き込みます。 これが質問の答えではないと思いますが、他の統計を取る意味があるとは思えません。