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 1521 1...151415151516151715181519152015211522152315241525152615271528...3399 新しいコメント Maxim Dmitrievsky 2019.07.20 09:49 #15201 Aleksey Vyazmikin： うわー、ロシア語でも、ありがとうございます。 健康から始まり、エリオット波で 終わる。金融時代を予測する数学的手法は、すでに明らかになっている系列の持続性を判断する以外には、提案されていない。 というのは泥臭いだけです。 Aleksey Vyazmikin 2019.07.20 10:12 #15202 マキシム・ドミトリエフスキー 1回目は健康から始まり、エリオット波で終了。金融時代を予測する数学的手法は、すでに明らかになっている系列の持続性を判断する以外には、提案されていない。 混乱します。 だから、また何も新しいことはないんだ、エッ。 だから、ツリーを分割する作業を続ける。 グラフは、学習サンプル外の分割の各葉(Y)に対する利益蓄積の形で、その葉(X)を持つ分割の反復を示す。 グラフから、ツリーを分割することで、空間の異なる領域を記述するものを含む代替の論理チェーンが得られるが、結果は同じかそれ以上であることがわかる。 ここで問題になるのは、すべての葉を一つの体系にまとめ、相互の相関とサンプル空間の網羅性に基づいて重みを与える必要があるのですが、この場合、どのような数式を使えばいいのか、残念ながらわかりません。 Maxim Dmitrievsky 2019.07.20 15:39 #15203 アレクセイ・ヴャジミキン だから、また何も新しいことはないんだ、エッ。 だから、私は木を割り続ける。 グラフは、分割の反復とその葉（X）を、学習サンプル外の分割の各葉（Y）の利益の累積として示したものである。 グラフから、ツリーを分割することで、空間の異なる領域を記述するものを含む代替の論理チェーンが得られるが、結果は同じかそれ以上であることがわかる。 ここで問題になるのは、すべての葉を一つの体系にまとめ、相互の相関とサンプル空間の記述の完全性に基づいて重みを与える必要があるのですが、この場合、どんな数式で演算すればいいのか、残念ながらわかりません。 市場を条件付きの状態に分割し、それぞれについてモデルを学習させ、それを切り替えると、より良い結果が得られることに気付いた ということを、ふむふむとやっているわけです。 Aleksey Vyazmikin 2019.07.21 03:53 #15204 マキシム・ドミトリエフスキー 市場を条件付きの状態に分けて、それぞれの状態でモデルを学習させ、切り替えていくと、結果が良くなることに気づきました そのためのhmmです。 それが良いというのは納得できるのですが、どのように状態を区別するのでしょうか。 Maxim Dmitrievsky 2019.07.21 06:17 #15205 アレクセイ・ヴャジミキン 論理的にはその方が良いのですが、状態をどのように区別するのでしょうか？ オートマタ（クラスタリング）上で、教師なしで、どちらか。つまり、いくつかの隠された状態が区別され、それらは明らかに統計によって異なる。 スタッツ上記のような例が投げられた。 あるいは適当に Aleksey Vyazmikin 2019.07.21 11:42 #15206 マキシム・ドミトリエフスキー オートマタ（クラスタリング）上で、教師なしで、どちらか。つまり、複数の潜在的な状態が選択されることになり、それらは明らかにstatが異なることになる。 スタッツ例は上に投げました。 無作為に これに対して何かクラスタリング方法が見つかったのでしょうか？結局のところ、クラスタからクラスタへのスムーズな遷移、グローバルなトレンドを特定するのであれば、ある状態から別の状態への遷移に何らかの感度やロジックがあるはずなのです。 Maxim Dmitrievsky 2019.07.21 11:43 #15207 アレクセイ・ヴャジミキン これに対するクラスタリング手法は見つかっているのでしょうか？結局のところ、クラスタからクラスタへのスムーズな遷移とでも言いましょうか、グローバルなトレンドを識別するのであれば、ある状態から別の状態への遷移に何らかの感度やロジックがあるはずなのです。 すでにHMMについて書かれています Maxim Dmitrievsky 2019.07.27 17:50 #15208 梯子の上の連中は、ディップマインドに対してスケーティングしている（偶然に捕まった） Igor Makanu 2019.07.27 18:31 #15209 マキシム・ドミトリエフスキー ゲームのAIについても読んでいるのですが、NS以外のゲームボットは決定木を使っているものが多いですね。 ゲームのAIについても読んでいますが、ゲームボットの非NSロジックは決定木を使っていることが多いですね。 Reteアルゴリズム、なぜか知らないが、初めて知った、読み物を見つけたが、1000ページと大きすぎる、何か入っているのか・・・。 Maxim Dmitrievsky 2019.07.27 19:40 #15210 イゴール・マカヌ ゲームのAIについても読んでいますが、ゲームボットの非NSロジックは決定木を使っていることが多いですね。 Reteアルゴリズムに出会いました、なぜかわかりませんが、Reteアルゴリズムというのは聞いたことがありません、読み物を見つけましたが、1000ページという大変なボリュームです、何かありそうです......。 まあ、木の上の増援はやらないんですけどね...。 ゲームをたくさんしなければならないのですが、どのように再教育すればいいのでしょうか？ 1...151415151516151715181519152015211522152315241525152615271528...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
うわー、ロシア語でも、ありがとうございます。
健康から始まり、エリオット波で 終わる。金融時代を予測する数学的手法は、すでに明らかになっている系列の持続性を判断する以外には、提案されていない。
というのは泥臭いだけです。
1回目は健康から始まり、エリオット波で終了。金融時代を予測する数学的手法は、すでに明らかになっている系列の持続性を判断する以外には、提案されていない。
混乱します。
だから、また何も新しいことはないんだ、エッ。
だから、ツリーを分割する作業を続ける。
グラフは、学習サンプル外の分割の各葉(Y)に対する利益蓄積の形で、その葉(X)を持つ分割の反復を示す。
グラフから、ツリーを分割することで、空間の異なる領域を記述するものを含む代替の論理チェーンが得られるが、結果は同じかそれ以上であることがわかる。
ここで問題になるのは、すべての葉を一つの体系にまとめ、相互の相関とサンプル空間の網羅性に基づいて重みを与える必要があるのですが、この場合、どのような数式を使えばいいのか、残念ながらわかりません。
だから、また何も新しいことはないんだ、エッ。
だから、私は木を割り続ける。
グラフは、分割の反復とその葉（X）を、学習サンプル外の分割の各葉（Y）の利益の累積として示したものである。
グラフから、ツリーを分割することで、空間の異なる領域を記述するものを含む代替の論理チェーンが得られるが、結果は同じかそれ以上であることがわかる。
ここで問題になるのは、すべての葉を一つの体系にまとめ、相互の相関とサンプル空間の記述の完全性に基づいて重みを与える必要があるのですが、この場合、どんな数式で演算すればいいのか、残念ながらわかりません。
市場を条件付きの状態に分割し、それぞれについてモデルを学習させ、それを切り替えると、より良い結果が得られることに気付いた
ということを、ふむふむとやっているわけです。
市場を条件付きの状態に分けて、それぞれの状態でモデルを学習させ、切り替えていくと、結果が良くなることに気づきました
そのためのhmmです。
それが良いというのは納得できるのですが、どのように状態を区別するのでしょうか。
論理的にはその方が良いのですが、状態をどのように区別するのでしょうか？
オートマタ（クラスタリング）上で、教師なしで、どちらか。つまり、いくつかの隠された状態が区別され、それらは明らかに統計によって異なる。 スタッツ上記のような例が投げられた。
あるいは適当に
オートマタ（クラスタリング）上で、教師なしで、どちらか。つまり、複数の潜在的な状態が選択されることになり、それらは明らかにstatが異なることになる。 スタッツ例は上に投げました。
無作為に
これに対して何かクラスタリング方法が見つかったのでしょうか？結局のところ、クラスタからクラスタへのスムーズな遷移、グローバルなトレンドを特定するのであれば、ある状態から別の状態への遷移に何らかの感度やロジックがあるはずなのです。
これに対するクラスタリング手法は見つかっているのでしょうか？結局のところ、クラスタからクラスタへのスムーズな遷移とでも言いましょうか、グローバルなトレンドを識別するのであれば、ある状態から別の状態への遷移に何らかの感度やロジックがあるはずなのです。
すでにHMMについて書かれています
梯子の上の連中は、ディップマインドに対してスケーティングしている（偶然に捕まった）
ゲームのAIについても読んでいるのですが、NS以外のゲームボットは決定木を使っているものが多いですね。
ゲームのAIについても読んでいますが、ゲームボットの非NSロジックは決定木を使っていることが多いですね。
Reteアルゴリズム、なぜか知らないが、初めて知った、読み物を見つけたが、1000ページと大きすぎる、何か入っているのか・・・。
ゲームのAIについても読んでいますが、ゲームボットの非NSロジックは決定木を使っていることが多いですね。
Reteアルゴリズムに出会いました、なぜかわかりませんが、Reteアルゴリズムというのは聞いたことがありません、読み物を見つけましたが、1000ページという大変なボリュームです、何かありそうです......。
まあ、木の上の増援はやらないんですけどね...。
ゲームをたくさんしなければならないのですが、どのように再教育すればいいのでしょうか？