カオスにはパターンがあるのか?それを探してみよう!特定のサンプルを例にした機械学習。 - ページ 28 1...212223242526272829303132 新しいコメント Aleksey Vyazmikin 2023.03.25 18:35 #271 RomFil #:列を追加した:「1」買い、「-1」売り。ちゃんとできたと思うんだけど、チェックしてなかった.:)怠け者だ。スプレッドと手数料を除いたチャートでは、このような結果になりました:結果PR=157488 +取引=778 -取引=18 (利益、プラスとマイナスの取引数)スプレッド0.00050:結果: PR=117688 +取引数=629 -取引数=167スプレッド0.00100 PR=77888 +取引数=427 -取引数=369200のスプレッドPR=-1712 +取引=241 -取引=555 スーパーオシレーターおめでとうございます! 私は、Target_P(方向が一致しないシグナルは除外)を考慮して、このような結果を得ました。 あなたのコードに誤りがなければ、あなたは億万長者です! その秘訣は何ですか?これは基本的に、あなたが何らかの方法で発振器の限界に追い込んだ多項式だと理解しています。 RomFil 2023.03.25 19:03 #272 Aleksey Vyazmikin #:スーパーオシレーターおめでとう!私もTARGET_P(方向が一致しないシグナルは除外する)を考慮してこのような結果を得ました。コードに間違いがなければ、億万長者ですね!その秘訣は何ですか?これは基本的に、発振器の限界まで追い込んだ多項式だと理解しています。 秘密はほとんどありません。以上、すべてお話ししました。多項式はありません。 いくつかヒントをあげよう: 1)ターゲット。つまり、強い動きでも平坦な動きでも、潜在的な利益が最大になるようにデータをフィルタリングする必要があります。私は以前、シリーズ分解にDobeshiウェーブレットを使っていました。フィルタリングで最も重要なことは、"その場その場 "で行わず、サンプルのトレースのエッジにあるデータの少なくとも10~20%を除外することである。エッジの影響を排除するためには、エッジのデータを除去する必要がある。 2) オシレーター。最もシンプルなものである。例えば、忘れ去られたRVI ...:)適切な周期だけを選択する必要がある。 3)しかし、最も重要なことは、 "正しい "ニューラルネットワークとそのアプリケーションのアルゴリズムです...:)ニューラルネットワークの結果の正しい解釈も含まれる。 コードのエラーは信号の出現時間だけかもしれないが(すでに8回チェックしたがエラーは見つからなかった)、信号の出現時間を右にずらす(つまり信号を1-2ステップ人為的に遅らせる)だけでも利益は出る-もちろん初期より少ないが、最初の投稿の初期条件は大きい。 Aleksey Vyazmikin 2023.03.25 19:11 #273 RomFil #:秘密はほとんどない。上ですべて話した通りだ。多項式はない。一連のヒントを書こう:1) ターゲット。つまり、強い動きと平坦な動きの両方で潜在的な利益が最大になるようにデータをフィルタリングする必要があります。私は以前、シリーズの分解にDobeshiウェーブレットを使っていました。フィルタリングで最も重要なことは、"その場その場 "で行わず、サンプルのトレースのエッジにあるデータの少なくとも10~20%を除外することである。エッジの影響を排除するためには、エッジのデータを除去する必要がある。2) オシレーター。最もシンプルなものである。例えば、忘れ去られたRVI ...:)正しい周期だけを選択する必要があります。3) しかし、最も重要なことは、「正しい」ニューラルネットワークとその応用アルゴリズムである.:)ニューラルネットワークの結果の正しい解釈も含めて。コードのエラーは、信号の出現時間だけかもしれませんが(すでに8回チェックしましたが、エラーは見つかりませんでした)、信号の出現時間を右にずらす(つまり、信号を人工的に1-2ステップ遅らせる)だけでも、利益は出ます - もちろん、初期値よりも少ないですが、最初の投稿の初期条件は大きいです。 最初のヒントは、私のデータに関するものなので、今は読み飛ばしましょう。 第二のヒント:サンプル・トレインを使いましたか? 第3のヒント:ここが理解できないのですが、なぜニューラルネットワークをこんなにたくさん使うのでしょうか?入力に何を与えているのか、リターンなのか、何なのか? RomFil 2023.03.25 19:26 #274 Aleksey Vyazmikin #:最初のヒントは、私のデータに関することなので、今は省略する。2つ目のヒントは、サンプリングをしているかどうかです。第三のヒントは、なぜニューラルネットワークがこんなにたくさんあるのか、ということです。入力に何を与えているのか、リターンなのか、何なのか? 2) 訓練サンプルとテストサンプルは同じプロセスの結果であると考えられるからです。もしプロセスが異なれば、当然何も得られません。 3)とても簡単なことである。遺伝学をやったことがあるだろうか? 遺伝学では、例えば10個の変数を持つ方程式を解くとき、変数を変えても同じ結果(に非常に近い)が得られるわけだ。ニューラルネットワークも同じだ。同じサンプルで2つのニューラルネットワークを作成し、訓練した後、これらのネットワークの誤差と重み係数を見てください。それらは異なるだろう! また、グラフの異なる部分では、ニューラルネットワークの入力に供給されるサンプルの深さが異なる必要がある。つまり、サンプリングの深さが異なるニューラルネットワークは、グラフの異なる部分で精度が異なる。つまり、"正しい "委員会は、サンプルの長さ全体に対して正しく反応することができる。そして特に、この委員会自体がこの正しさを決定する。これはすでにAIの初歩なのかもしれない.:) Aleksey Vyazmikin 2023.03.25 19:36 #275 RomFil #:3)とても簡単なことだ。遺伝学をやったことがありますか? 遺伝学では、例えば10個の変数を持つ方程式を解くとき、変数を変えても同じ結果(に非常に近い)が得られるわけです。ニューラルネットワークも同じだ。同じサンプルで2つのニューラルネットワークを作って訓練し、その誤差と重み係数を見てください。それらは異なるだろう! また、グラフの異なる部分では、ニューラルネットワークの入力に供給されるサンプルの深さが異なる必要がある。つまり、サンプリングの深さが異なるニューラルネットワークは、グラフの異なる部分で精度が異なる。つまり、"正しい "委員会は、サンプルの長さ全体に対して正しく反応することができる。そして特に、この委員会自体がこの正しさを決定する。これはすでにAIの初歩なのかもしれない.:) あなたは私を混乱させている - 私は理解できない、あなたは遺伝学によって選択される自由係数を持つ発振器の式を持っていますか?遺伝学はニューラルネットワークに実装されているのですか? それは明らかですが、どのようにして係数を集め、分配したのですか? 入力は、いくつかのくぼみを持つ純粋な値、あるいはウィンドウ全体であると私は正しく理解していますが、異なるネットワークで異なるサイズですか? RomFil 2023.03.25 19:45 #276 Aleksey Vyazmikin #:あなたは私を混乱させている - 私は理解することができません、あなたは遺伝学によって選択される自由係数を持つオシレーター式を持っていますか?遺伝学はニューラルネットワークに実装されているのですか?しかし、どのようにして係数を集め、分配したのでしょうか?入力は、いくつかのインデントを持つ純粋な値、あるいはウィンドウ全体ですが、異なるネットワークで異なるサイズであることを正しく理解していますか? 遺伝学は通常、ニューラルネットワークなしで行われます(正直なところ、ニューラルネットワークでの遺伝学も私には未知です)。 すべてが列車のサンプルだけで決定される。委員会自体がすべての係数を決定する。 そう、ほとんど純粋な値、異なる深さ、異なるウィンドウなど。 Aleksey Vyazmikin 2023.03.25 19:59 #277 RomFil #:神経症でなくても遺伝はよくあることだ(正直なところ、神経症に関する遺伝も私にはわからない)。すべてが列車のサンプルだけで決定される。委員会自身がすべての係数を決定する。そう、ほとんど純粋な値、異なる深さ、異なる窓などだ。 先ほどのオシレーターは、現実には適用されない集合的なイメージということでしたが? RomFil 2023.03.25 20:10 #278 Aleksey Vyazmikin #:オシレーターは以前、現実には適用されない集合的なイメージとして語られていたが? いいえ、オシレーターは集合的なイメージではなく、(地下に置かれた)現実です: 実際のオシレーターそのもの+ドットが予測です。ドットは新しいバーの最初のティックに現れます。しかし、点の出現は取引のシグナルではなく、警告に過ぎない。さらなる値動きを分析し、初めて取引の判断が下される。ところで、このチャートにはストップ(赤いマーク)も表示されているが、98~99%の場合、このストップは突破されない。これは、実際に購入するためのシグナルです...:) Aleksey Vyazmikin 2023.03.25 20:15 #279 RomFil #:いや、オシレーターは集合イメージではなく、本物だ(地下に置かれている):オシレーター自体+ポイントが予測です。ポイントは新しいバーの最初のティックに表示されます。しかし、ポイントの出現は取引のシグナルではなく、警告に過ぎない。さらなる値動きを分析し、そこで初めて取引の判断が下される。ところで、このチャートにはストップ(赤いマーク)も表示されているが、98~99%の場合、このストップは突破されない。これは、実際に購入するためのシグナルです...:) さて、これは純粋にあなたのシステムであり、私が与えたデータとは何の関係もありません。 ファイルを添付します。あなたが以前にトレーニングしたモデルを適用してください。 ファイル: New_data_v_2.zip 22 kb Aleksey Vyazmikin 2023.03.25 20:19 #280 つまり、あなたの遺伝学は、ネットワークへの入力に供給されるデータに責任があるということですか?そしてデータそのものが時系列バイアスなのか? 1...212223242526272829303132 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
列を追加した:「1」買い、「-1」売り。ちゃんとできたと思うんだけど、チェックしてなかった.:)怠け者だ。
スプレッドと手数料を除いたチャートでは、このような結果になりました:
結果PR=157488 +取引=778 -取引=18 (利益、プラスとマイナスの取引数)
スプレッド0.00050:
結果: PR=117688 +取引数=629 -取引数=167
スプレッド0.00100
PR=77888 +取引数=427 -取引数=369
200のスプレッド
PR=-1712 +取引=241 -取引=555
スーパーオシレーターおめでとうございます!
私は、Target_P(方向が一致しないシグナルは除外)を考慮して、このような結果を得ました。
あなたのコードに誤りがなければ、あなたは億万長者です!
その秘訣は何ですか?これは基本的に、あなたが何らかの方法で発振器の限界に追い込んだ多項式だと理解しています。
スーパーオシレーターおめでとう!
私もTARGET_P(方向が一致しないシグナルは除外する)を考慮してこのような結果を得ました。
コードに間違いがなければ、億万長者ですね!
その秘訣は何ですか?これは基本的に、発振器の限界まで追い込んだ多項式だと理解しています。
秘密はほとんどありません。以上、すべてお話ししました。多項式はありません。
いくつかヒントをあげよう:
1)ターゲット。つまり、強い動きでも平坦な動きでも、潜在的な利益が最大になるようにデータをフィルタリングする必要があります。私は以前、シリーズ分解にDobeshiウェーブレットを使っていました。フィルタリングで最も重要なことは、"その場その場 "で行わず、サンプルのトレースのエッジにあるデータの少なくとも10~20%を除外することである。エッジの影響を排除するためには、エッジのデータを除去する必要がある。
2) オシレーター。最もシンプルなものである。例えば、忘れ去られたRVI ...:)適切な周期だけを選択する必要がある。
3)しかし、最も重要なことは、 "正しい "ニューラルネットワークとそのアプリケーションのアルゴリズムです...:)ニューラルネットワークの結果の正しい解釈も含まれる。
コードのエラーは信号の出現時間だけかもしれないが(すでに8回チェックしたがエラーは見つからなかった)、信号の出現時間を右にずらす(つまり信号を1-2ステップ人為的に遅らせる)だけでも利益は出る-もちろん初期より少ないが、最初の投稿の初期条件は大きい。
秘密はほとんどない。上ですべて話した通りだ。多項式はない。
一連のヒントを書こう:
1) ターゲット。つまり、強い動きと平坦な動きの両方で潜在的な利益が最大になるようにデータをフィルタリングする必要があります。私は以前、シリーズの分解にDobeshiウェーブレットを使っていました。フィルタリングで最も重要なことは、"その場その場 "で行わず、サンプルのトレースのエッジにあるデータの少なくとも10~20%を除外することである。エッジの影響を排除するためには、エッジのデータを除去する必要がある。
2) オシレーター。最もシンプルなものである。例えば、忘れ去られたRVI ...:)正しい周期だけを選択する必要があります。
3) しかし、最も重要なことは、「正しい」ニューラルネットワークとその応用アルゴリズムである.:)ニューラルネットワークの結果の正しい解釈も含めて。
コードのエラーは、信号の出現時間だけかもしれませんが(すでに8回チェックしましたが、エラーは見つかりませんでした)、信号の出現時間を右にずらす(つまり、信号を人工的に1-2ステップ遅らせる)だけでも、利益は出ます - もちろん、初期値よりも少ないですが、最初の投稿の初期条件は大きいです。
最初のヒントは、私のデータに関するものなので、今は読み飛ばしましょう。
第二のヒント:サンプル・トレインを使いましたか?
第3のヒント:ここが理解できないのですが、なぜニューラルネットワークをこんなにたくさん使うのでしょうか?入力に何を与えているのか、リターンなのか、何なのか?
最初のヒントは、私のデータに関することなので、今は省略する。
2つ目のヒントは、サンプリングをしているかどうかです。
第三のヒントは、なぜニューラルネットワークがこんなにたくさんあるのか、ということです。入力に何を与えているのか、リターンなのか、何なのか?
2) 訓練サンプルとテストサンプルは同じプロセスの結果であると考えられるからです。もしプロセスが異なれば、当然何も得られません。
3)とても簡単なことである。遺伝学をやったことがあるだろうか?
遺伝学では、例えば10個の変数を持つ方程式を解くとき、変数を変えても同じ結果(に非常に近い)が得られるわけだ。ニューラルネットワークも同じだ。同じサンプルで2つのニューラルネットワークを作成し、訓練した後、これらのネットワークの誤差と重み係数を見てください。それらは異なるだろう!
また、グラフの異なる部分では、ニューラルネットワークの入力に供給されるサンプルの深さが異なる必要がある。つまり、サンプリングの深さが異なるニューラルネットワークは、グラフの異なる部分で精度が異なる。つまり、"正しい "委員会は、サンプルの長さ全体に対して正しく反応することができる。そして特に、この委員会自体がこの正しさを決定する。これはすでにAIの初歩なのかもしれない.:)
3)とても簡単なことだ。遺伝学をやったことがありますか?
遺伝学では、例えば10個の変数を持つ方程式を解くとき、変数を変えても同じ結果(に非常に近い)が得られるわけです。ニューラルネットワークも同じだ。同じサンプルで2つのニューラルネットワークを作って訓練し、その誤差と重み係数を見てください。それらは異なるだろう!
また、グラフの異なる部分では、ニューラルネットワークの入力に供給されるサンプルの深さが異なる必要がある。つまり、サンプリングの深さが異なるニューラルネットワークは、グラフの異なる部分で精度が異なる。つまり、"正しい "委員会は、サンプルの長さ全体に対して正しく反応することができる。そして特に、この委員会自体がこの正しさを決定する。これはすでにAIの初歩なのかもしれない.:)
あなたは私を混乱させている - 私は理解できない、あなたは遺伝学によって選択される自由係数を持つ発振器の式を持っていますか?遺伝学はニューラルネットワークに実装されているのですか?
それは明らかですが、どのようにして係数を集め、分配したのですか?
入力は、いくつかのくぼみを持つ純粋な値、あるいはウィンドウ全体であると私は正しく理解していますが、異なるネットワークで異なるサイズですか?
あなたは私を混乱させている - 私は理解することができません、あなたは遺伝学によって選択される自由係数を持つオシレーター式を持っていますか?遺伝学はニューラルネットワークに実装されているのですか?
しかし、どのようにして係数を集め、分配したのでしょうか?
入力は、いくつかのインデントを持つ純粋な値、あるいはウィンドウ全体ですが、異なるネットワークで異なるサイズであることを正しく理解していますか?
遺伝学は通常、ニューラルネットワークなしで行われます(正直なところ、ニューラルネットワークでの遺伝学も私には未知です)。
すべてが列車のサンプルだけで決定される。委員会自体がすべての係数を決定する。
そう、ほとんど純粋な値、異なる深さ、異なるウィンドウなど。
神経症でなくても遺伝はよくあることだ(正直なところ、神経症に関する遺伝も私にはわからない)。
すべてが列車のサンプルだけで決定される。委員会自身がすべての係数を決定する。
そう、ほとんど純粋な値、異なる深さ、異なる窓などだ。
先ほどのオシレーターは、現実には適用されない集合的なイメージということでしたが?
オシレーターは以前、現実には適用されない集合的なイメージとして語られていたが?
いいえ、オシレーターは集合的なイメージではなく、(地下に置かれた)現実です:
実際のオシレーターそのもの+ドットが予測です。ドットは新しいバーの最初のティックに現れます。しかし、点の出現は取引のシグナルではなく、警告に過ぎない。さらなる値動きを分析し、初めて取引の判断が下される。ところで、このチャートにはストップ(赤いマーク)も表示されているが、98~99%の場合、このストップは突破されない。これは、実際に購入するためのシグナルです...:)
いや、オシレーターは集合イメージではなく、本物だ(地下に置かれている):
オシレーター自体+ポイントが予測です。ポイントは新しいバーの最初のティックに表示されます。しかし、ポイントの出現は取引のシグナルではなく、警告に過ぎない。さらなる値動きを分析し、そこで初めて取引の判断が下される。ところで、このチャートにはストップ(赤いマーク)も表示されているが、98~99%の場合、このストップは突破されない。これは、実際に購入するためのシグナルです...:)
さて、これは純粋にあなたのシステムであり、私が与えたデータとは何の関係もありません。
ファイルを添付します。あなたが以前にトレーニングしたモデルを適用してください。