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 1621 1...161416151616161716181619162016211622162316241625162616271628...3399 新しいコメント Forester 2020.03.19 06:08 #16201 アレクセイ・ヴャジミキン 現実は我々の想像とは違うかもしれません。CatBoostのパーティショニングアルゴリズムを再現して、そこで実際に何が起こっているのか、どの程度正しいのかを確認する必要があります。 ランダム性について - 予測グリッドのパーティショニングの選択にはランダム性があり、私が正しく理解していれば、ベストではなく、ランダムという感じです。そして、スタックをレンジで不均等に分割するアルゴリズムがあります。 私は違うと思っています。各予測器はランダムな点で分割されるが、それでも結果として最も良い分割が選択される。 Evgeny Dyuka 2020.03.19 06:22 #16202 mytarmailS: 悪くないといえば悪いのですが、悔しいです。 基本的には通常の買われ過ぎ/売られ過ぎの指標と同じように機能します。 正しいこともあれば、間違っていることもある、あってはならないこと......。 このネットでトレードのテストは全くしていないのですか？私の経験では、儲からないと思うのですが...。 ネットの「確からしさ」にフィルターをかけないと 妥当性／不充分性を論じるつもりはなく、一晩で統計データを蓄積＋「確信度」フィルタを追加した。フィルターを高めに設定した夜はこんな感じです。0を入れると、線は全く切れず、左右が入れ替わるだけです。 近いうちにテスト用に渡します。 Farkhat Guzairov 2020.03.19 06:35 #16203 エフゲニー・デューカ 上のオレンジ色のゾーン-下降を予測、下の緑色-上昇を予測、ニューロネットの信頼度は厚いです。BTCUSD M1でのみ動作します（現時点では）。 カッコイイですか？)) 普通のトレンドインジケータの ように見える )))再トレーニングの頻度は？ Farkhat Guzairov 2020.03.19 06:41 #16204 この図式に基づけば、トレーニングが極めて稀であるか、十分に正しくない場合、そうでなければ、トレーニングしたシステムを適用した時点でそのようなゾーンは単に存在しなかったことになるからです。 MTにおけるストラテジーテスターが、基本的に学習されたニューラルシステムであることは、おそらく誰も知らないだろう。 Evgeny Dyuka 2020.03.19 06:46 #16205 ファルハット・グザイロフ 普通のトレンドインジケータの ように見える )))再トレーニングの頻度は？ あくまで遠くから見た場合ですが）。よく見ると、そう単純な話ではないことがわかる。 一度トレーニングしたことがあり、今回が初めてのトライアルです。2月1日くらいまでがトレーニングエリア、2月24日くらいまでがテストデータセットです。 このニューロンは、私のスクラップ置き場で作られたものなので、全く何も表示されないことに驚いています。今後の展開が見えてきました。 Evgeny Dyuka 2020.03.19 06:49 #16206 ファルハット・グザイロフ この図式に基づけば、トレーニングが極めて稀であるか、十分に正しくない場合、そうでなければ、トレーニングしたシステムを適用した時点でそのようなゾーンは単に存在しなかったことになるからです。 MTのストラテジーテスターが、実は訓練されたニューロシステムであることは、おそらく誰も驚かないだろう。 正しい学習による実用例はありますか？何百万もの利益を生む秘密のニューラルネットワークの話ではなく、誰もが持っているものです ))しかし、公開されているもの。 Farkhat Guzairov 2020.03.19 06:59 #16207 エフゲニー・デューカ それは、遠くから見た場合の話です。よく見ると、そんな単純な話ではないことがわかります。 一度試したのは、最初のトライアルでした。2月1日頃までは学習領域、2月24日頃まではテストデータセット。 このニューロンは、私のスクラップ置き場で作られたものなので、全く何も表示されないことに驚いています。次に進むべき道への理解がある。 要するにまだトレードするためのシステムを開発していない、今のところ比較的納得のいく予測結果しか出ていないわけですが、トレードしてみて、どんなルールを適用していますか？ Evgeny Dyuka 2020.03.19 07:05 #16208 ファルハット・グザイロフ I.e.要するにあなたはまだそれに関するシステム（取引）を開発していない、今のところあなたは自分にとって比較的受け入れやすい予測結果しか見ていないが、あなたは取引を試み、どんなルールを適用しているのだろうか？ いい質問ですね。 トレードに転向することは、原則的に考えていません。take/stop/backtestに対応し始めた途端、脳が縮んで風車と戦うようになりました。インジケーターを作れば、あとはどうにでもなる。 Farkhat Guzairov 2020.03.19 07:10 #16209 エフゲニー・デューカ 適切なトレーニングの実例はありますか？何百万ドルも儲かる秘密のニューラルネットワークという意味ではなく、誰もが持っているものです)。公開されているものという意味です。 私は......私はテスターのバックテストから結論を出しますが、システムが正しくトレーニングされている場合、どのような結果が得られるとお考えですか？ 正しい入力の結果がほぼ90％。以前の同じバックテストでは、このような結果は出なかったので、今回のトレーニングは正しかったと判断しています。 同じように試してみてください。 Aleksey Vyazmikin 2020.03.19 07:11 #16210 エリブラリウス 私は違うと思っています。各予測器はランダムに分割されるが、それでも結果として最も良い分割が選択される。 ヘルプを見に行ったのですが、よくわからないんですよねー、すごくわかりにくい。この点は後で動画で探してみます、そちらの方が分かりやすいですね。 しかし、CBではツリーを作るための新しいオプションが追加されていることも確認しました。 --grow-policy 木の育成方針について。greedy tree 構築の方法を定義する。 可能な値。 SymmetricTree-指定された深さに達するまで、レベルごとに ツリーを構築する。各反復において、最後の木レベルからのすべての葉は、同じ条件で分割される。結果として得られる木構造は常に対称で ある。 深さ方向- 指定した深さに達するまで、レベルごとにツリーを構築します。各反復において、最後の木レベルからのすべての非終端葉が分割される。各葉は、最も損失が改善された状態で条件別に分割されています。 注こ の成長方針を持つモデルは、PredictionDiff 機能の重要性を使って分析することができず、jsonとcbmにのみ エクスポート することが可能です。 Lossguide- 指定された最大葉数に達するまで、葉から葉へと木が構築されます。各反復において、最も損失が改善された非終端リーフが分割される。 1...161416151616161716181619162016211622162316241625162616271628...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
現実は我々の想像とは違うかもしれません。CatBoostのパーティショニングアルゴリズムを再現して、そこで実際に何が起こっているのか、どの程度正しいのかを確認する必要があります。
ランダム性について - 予測グリッドのパーティショニングの選択にはランダム性があり、私が正しく理解していれば、ベストではなく、ランダムという感じです。そして、スタックをレンジで不均等に分割するアルゴリズムがあります。
私は違うと思っています。各予測器はランダムな点で分割されるが、それでも結果として最も良い分割が選択される。
悪くないといえば悪いのですが、悔しいです。
基本的には通常の買われ過ぎ/売られ過ぎの指標と同じように機能します。
正しいこともあれば、間違っていることもある、あってはならないこと......。
このネットでトレードのテストは全くしていないのですか？私の経験では、儲からないと思うのですが...。
ネットの「確からしさ」にフィルターをかけないと
近いうちにテスト用に渡します。
上のオレンジ色のゾーン-下降を予測、下の緑色-上昇を予測、ニューロネットの信頼度は厚いです。BTCUSD M1でのみ動作します（現時点では）。
カッコイイですか？))
普通のトレンドインジケータの ように見える )))再トレーニングの頻度は？
この図式に基づけば、トレーニングが極めて稀であるか、十分に正しくない場合、そうでなければ、トレーニングしたシステムを適用した時点でそのようなゾーンは単に存在しなかったことになるからです。
MTにおけるストラテジーテスターが、基本的に学習されたニューラルシステムであることは、おそらく誰も知らないだろう。普通のトレンドインジケータの ように見える )))再トレーニングの頻度は？
一度トレーニングしたことがあり、今回が初めてのトライアルです。2月1日くらいまでがトレーニングエリア、2月24日くらいまでがテストデータセットです。
このニューロンは、私のスクラップ置き場で作られたものなので、全く何も表示されないことに驚いています。今後の展開が見えてきました。
この図式に基づけば、トレーニングが極めて稀であるか、十分に正しくない場合、そうでなければ、トレーニングしたシステムを適用した時点でそのようなゾーンは単に存在しなかったことになるからです。
MTのストラテジーテスターが、実は訓練されたニューロシステムであることは、おそらく誰も驚かないだろう。それは、遠くから見た場合の話です。よく見ると、そんな単純な話ではないことがわかります。
一度試したのは、最初のトライアルでした。2月1日頃までは学習領域、2月24日頃まではテストデータセット。
このニューロンは、私のスクラップ置き場で作られたものなので、全く何も表示されないことに驚いています。次に進むべき道への理解がある。
要するにまだトレードするためのシステムを開発していない、今のところ比較的納得のいく予測結果しか出ていないわけですが、トレードしてみて、どんなルールを適用していますか？
I.e.要するにあなたはまだそれに関するシステム（取引）を開発していない、今のところあなたは自分にとって比較的受け入れやすい予測結果しか見ていないが、あなたは取引を試み、どんなルールを適用しているのだろうか？
トレードに転向することは、原則的に考えていません。take/stop/backtestに対応し始めた途端、脳が縮んで風車と戦うようになりました。インジケーターを作れば、あとはどうにでもなる。
適切なトレーニングの実例はありますか？何百万ドルも儲かる秘密のニューラルネットワークという意味ではなく、誰もが持っているものです)。公開されているものという意味です。
私は......私はテスターのバックテストから結論を出しますが、システムが正しくトレーニングされている場合、どのような結果が得られるとお考えですか？ 正しい入力の結果がほぼ90％。以前の同じバックテストでは、このような結果は出なかったので、今回のトレーニングは正しかったと判断しています。
同じように試してみてください。
私は違うと思っています。各予測器はランダムに分割されるが、それでも結果として最も良い分割が選択される。
ヘルプを見に行ったのですが、よくわからないんですよねー、すごくわかりにくい。この点は後で動画で探してみます、そちらの方が分かりやすいですね。
しかし、CBではツリーを作るための新しいオプションが追加されていることも確認しました。
木の育成方針について。greedy tree 構築の方法を定義する。
深さ方向- 指定した深さに達するまで、レベルごとにツリーを構築します。各反復において、最後の木レベルからのすべての非終端葉が分割される。各葉は、最も損失が改善された状態で条件別に分割されています。
Lossguide- 指定された最大葉数に達するまで、葉から葉へと木が構築されます。各反復において、最も損失が改善された非終端リーフが分割される。