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 7 1234567891011121314...32 新しいコメント Forester 2022.11.02 16:21 #61 Aleksey Vyazmikin #: モデルの1つがどの予測変数を使用したかを教えることができます - 訓練に成功したかどうかチェックしてください（私はほとんど疑いを持っていません） - 必要ですか？ カラム番号をカンマで区切ってください。比較するのは面白いでしょう。 Aleksey Vyazmikin 2022.11.02 16:37 #62 elibrarius #:列番号をカンマで区切ってもいい。比較すると面白い。最初の列は "0 "ですか、それとも "1 "ですか？:)これがゼロカウントです1,225,345,625,702,725,779,798,841,1104,1118,1268,1337,1357,1639,1737,1922,1937,2027,2043,2125,2239,2354,2474,2475,2507,2796,2816,2953,3012,3207,3228,3378,3671,3717,3726,3734,3864,3927,3982,4522,4560,5007,5029,5129,5313,5359,5548 Aleksey Vyazmikin 2022.11.02 17:10 #63 すべてのサンプルで安定した結果が得られるので、私はさらに気に入っている。 606,1048,1060,1083,1095,1103,1108,1110,1137,1198,1347,1353,1511,1525,1526,2055,2581,2582,3078,3153,3273,3341,3676,3690,3695,3839,3919,3967,4397,4433,5052,5364,5579 Forester 2022.11.02 17:27 #64 Aleksey Vyazmikin #:最初の列はゼロですか、それとも "1 "ですか？:)ゼロです。 僕には "0 "がある。明日教えてみるよ。 Aleksey Vyazmikin 2022.11.02 17:43 #65 elibrarius #: 僕は0だ。明日、トレーニングしてみるよ。 うまくいくはずだ。とはいえ、スクリーニングのために私は独自の方法を使い、強制量子表を作成し、アルゴリズムはそこから選択を行った。 ここでの問題は、トレーニングの前に予測因子の属性をどのように定義し、どのように選択するかを学ぶことができるかということだ。 Serqey Nikitin 2022.11.03 05:40 #66 Aleksey Vyazmikin: Есть ли закономерность в хаосе? 質問の文自体が間違っている！ 「CHAOS」の定義そのものが、規則性が外側にある状態 なのだから......。 CHAOSではなく、市場に似た状態を探すことから始める必要がある！ そしてそれはカオスではなく、カオスと秩序あるデータの中間的な状態になる......。 カオスの中にパターンを探すのは愚かなことだ。(カオスの定義を読もう）。 webgopnik 2022.11.03 08:20 #67 市場は完全なカオスだが、その中にシステムを見出す力が必要だ。より正確には、市場をシステムのプロクラステスのベッドに追い込むことだ。 Serqey Nikitin 2022.11.03 08:30 #68 webgopnik #: 市場は完全なカオスだが、その中にシステムを見出す力が必要だ。より正確には、市場をシステムのプロクラステスのベッドに追い込むことだ。 それは、"クソをお菓子にする！"という表現に似ている。- 民間の知恵だが...。 実際は、すべてが正反対なのだ。市場はシステムなのだ！ そして、このシステムを理解するためには、脳のカオスを治す必要がある...。 Forester 2022.11.03 10:40 #69 Aleksey Vyazmikin #:うまくいくはずだ。とはいえ、スクリーニングのために私は独自の方法を使い、強制量子表を作成し、そこからアルゴリズムが選択を行った。ここでの問題は、トレーニングの前に予測因子の選択方法を学ぶために、予測因子の属性をどのように定義できるかということだ......。 ところで、あなたのデータは本当にビッグデータと言えるのだろうか？ 表の中の2億5千万のセル。 catbustはフルデータセットで1つのモデルを訓練するのにどのくらいかかりますか？ Aleksey Vyazmikin 2022.11.03 12:52 #70 elibrarius #:ところで、あなたのデータは、本当にビッグデータに起因しているのだろうか......。スプレッドシートの2億5000万セル。 はい、データはたくさんありますし、私はもっと増やすつもりです。ですから、事前トレーニングのスクリーニング方法の開発が必要です。 エリブラリウスcatbustはフルデータセットで1つのモデルを訓練するのにどのくらいかかりますか？ 今ちょうどトレーニングしているところですが、設定、特に量子テーブルの分割数に大きく依存します。 ビデオカードのデフォルト設定でトレーニングを行う実験を始めたところですが、モデルの評価と試験サンプルのテストを考慮しない場合、1パスで2～3分かかります。私のFX-8350プロセッサーでは、60％ほど遅くなります。 このスピードはかなり許容範囲だと思います。私は通常、固定シードで100個のモデルを訓練しますが、これは手法の有効性を平均化することになります。 最後まで訓練する場合、プログラムは2時間かかると見積もります。 1234567891011121314...32 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
モデルの1つがどの予測変数を使用したかを教えることができます - 訓練に成功したかどうかチェックしてください（私はほとんど疑いを持っていません） - 必要ですか？
カラム番号をカンマで区切ってください。比較するのは面白いでしょう。
列番号をカンマで区切ってもいい。比較すると面白い。
最初の列は "0 "ですか、それとも "1 "ですか？:)
これがゼロカウントです
すべてのサンプルで安定した結果が得られるので、私はさらに気に入っている。
最初の列はゼロですか、それとも "1 "ですか？:)
ゼロです。
僕は0だ。明日、トレーニングしてみるよ。
うまくいくはずだ。とはいえ、スクリーニングのために私は独自の方法を使い、強制量子表を作成し、アルゴリズムはそこから選択を行った。
ここでの問題は、トレーニングの前に予測因子の属性をどのように定義し、どのように選択するかを学ぶことができるかということだ。
Есть ли закономерность в хаосе?
質問の文自体が間違っている！ 「CHAOS」の定義そのものが、規則性が外側にある状態 なのだから......。
CHAOSではなく、市場に似た状態を探すことから始める必要がある！
そしてそれはカオスではなく、カオスと秩序あるデータの中間的な状態になる......。
カオスの中にパターンを探すのは愚かなことだ。(カオスの定義を読もう）。
市場は完全なカオスだが、その中にシステムを見出す力が必要だ。より正確には、市場をシステムのプロクラステスのベッドに追い込むことだ。
それは、"クソをお菓子にする！"という表現に似ている。- 民間の知恵だが...。
実際は、すべてが正反対なのだ。市場はシステムなのだ！ そして、このシステムを理解するためには、脳のカオスを治す必要がある...。
うまくいくはずだ。とはいえ、スクリーニングのために私は独自の方法を使い、強制量子表を作成し、そこからアルゴリズムが選択を行った。
ここでの問題は、トレーニングの前に予測因子の選択方法を学ぶために、予測因子の属性をどのように定義できるかということだ......。
ところで、あなたのデータは本当にビッグデータと言えるのだろうか？
表の中の2億5千万のセル。
catbustはフルデータセットで1つのモデルを訓練するのにどのくらいかかりますか？
ところで、あなたのデータは、本当にビッグデータに起因しているのだろうか......。
スプレッドシートの2億5000万セル。
はい、データはたくさんありますし、私はもっと増やすつもりです。ですから、事前トレーニングのスクリーニング方法の開発が必要です。
catbustはフルデータセットで1つのモデルを訓練するのにどのくらいかかりますか？
今ちょうどトレーニングしているところですが、設定、特に量子テーブルの分割数に大きく依存します。
ビデオカードのデフォルト設定でトレーニングを行う実験を始めたところですが、モデルの評価と試験サンプルのテストを考慮しない場合、1パスで2～3分かかります。私のFX-8350プロセッサーでは、60％ほど遅くなります。
このスピードはかなり許容範囲だと思います。私は通常、固定シードで100個のモデルを訓練しますが、これは手法の有効性を平均化することになります。
最後まで訓練する場合、プログラムは2時間かかると見積もります。