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 2553 1...254625472548254925502551255225532554255525562557255825592560...3399 新しいコメント Forester 2022.01.26 10:11 #25521 Dmytryi Nazarchuk#: ロジスティック回帰 フォレスト/ブッシュ回帰の方が精度が高い。 mytarmailS 2022.01.26 13:25 #25522 elibrarius#: いや、暗記した歴史のデータベースなんですけどね...。 それは修辞的な質問だった:))) Forester 2022.01.26 14:57 #25523 mytarmailS#: それは修辞的な質問でした:))) 話題になっていること、わかります)) MOの新参者向けです。ここに入ってきたら mytarmailS 2022.01.26 18:23 #25524 https://blog.ephorie.de/why-r-for-data-science-and-not-python Maxim Dmitrievsky 2022.01.28 11:26 #25525 Vladimir Perervenko#: ノイズサンプルの処理方法には、削除、再分割(マークアップの修正)、ノイズサンプルを別のクラスに分けるという3つの選択肢があります。私の経験では、サンプルの25%くらいが「ノイズ」です。品質向上は5%程度で、モデルやデータ作成に依存する。たまに塗って います。予測変数の使用にはもう一つ問題があります。そしてこの問題は、テストと運用の両方で特定され、考慮されなければならない。付録には、記事の翻訳(ネットで他を探す)と、ドリフターパッケージが あります。それだけではありません。しかし、重要なのは、予測因子を選択する際に、その重要性だけでなく、ドリフトも考慮する必要があるということです。高ドリフターには捨てたり変換したり、低ドリフターにはテストや作業時に考慮(修正)する必要があります。グッドラック"たまに応募する "ってどういうこと?何らかの実績のあるパイプラインがあるのか、それとも単なる憶測なのか。ノイズを別のクラスにすることは、理論的にはモデルを改善しない(モデル内部に留まり、どこにも行かない)。 ドリフトについて - これが基本、バイアスとバリアンスのトレードオフ mytarmailS 2022.01.28 13:34 #25526 マキシム・ドミトリエフスキー#. 将来の相場の分布を予測してみたか? Maxim Dmitrievsky 2022.01.28 13:56 #25527 mytarmailS#: 未来の相場の分布を予測してみたことはありますか? そんなことをやってみたが、何がなんだかわからない 固定長の未来チャンクをクラスタリングして、クラスタ番号を予測したことを思い出してください。各クラスタにはそれぞれ異なる分布があり、それぞれに異なる戦略を持っています。トレインではうまくいったのに、新しいデータで真正面からやると失敗する。 mytarmailS 2022.01.28 15:31 #25528 Maxim Dmitrievsky#: をしたのだが、何が何だかわからなかった。 固定長の未来チャンクをクラスタリングして、クラスタ数を予測したことを思い出してください。各クラスタにはそれぞれの分布があり、それぞれの戦略がある。Trayneではうまくいったのですが、新しいデータで、直接やると失敗します。 思い出すのは... 少し違う考えもあるのですが...。 将来の相場の分布を、例えばローソク足50本先まで定性的に予測できれば、この分布から数千の系列を抽出してモデルを学習させ、こうすれば理論上は新しいローソク足50本に対してモデルが十分に機能する......ということです。 Farkhat Guzairov 2022.01.28 16:35 #25529 時々このスレッドをチェックするのですが、同じ顔ぶれ、同じ機種の話題、もしかしたら誰かが何か持っているのでは? 削除済み 2022.01.28 16:36 #25530 Farkhat Guzairov#: 私は定期的にトピックを訪問し、顔は同じです、モデルの議論は同じです、多分誰かが表示する何かを持っていますか? これは、解決すべき問題ではありません 1...254625472548254925502551255225532554255525562557255825592560...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
ロジスティック回帰
いや、暗記した歴史のデータベースなんですけどね...。
それは修辞的な質問だった:)))
それは修辞的な質問でした:)))
話題になっていること、わかります))
MOの新参者向けです。ここに入ってきたら
ノイズサンプルの処理方法には、削除、再分割(マークアップの修正)、ノイズサンプルを別のクラスに分けるという3つの選択肢があります。私の経験では、サンプルの25%くらいが「ノイズ」です。品質向上は5%程度で、モデルやデータ作成に依存する。たまに塗って います。
予測変数の使用にはもう一つ問題があります。そしてこの問題は、テストと運用の両方で特定され、考慮されなければならない。付録には、記事の翻訳(ネットで他を探す)と、ドリフターパッケージが あります。それだけではありません。しかし、重要なのは、予測因子を選択する際に、その重要性だけでなく、ドリフトも考慮する必要があるということです。高ドリフターには捨てたり変換したり、低ドリフターにはテストや作業時に考慮(修正)する必要があります。
グッドラック
"たまに応募する "ってどういうこと?
何らかの実績のあるパイプラインがあるのか、それとも単なる憶測なのか。
ノイズを別のクラスにすることは、理論的にはモデルを改善しない(モデル内部に留まり、どこにも行かない)。
ドリフトについて - これが基本、バイアスとバリアンスのトレードオフ未来の相場の分布を予測してみたことはありますか?
そんなことをやってみたが、何がなんだかわからない
固定長の未来チャンクをクラスタリングして、クラスタ番号を予測したことを思い出してください。各クラスタにはそれぞれ異なる分布があり、それぞれに異なる戦略を持っています。トレインではうまくいったのに、新しいデータで真正面からやると失敗する。をしたのだが、何が何だかわからなかった。
固定長の未来チャンクをクラスタリングして、クラスタ数を予測したことを思い出してください。各クラスタにはそれぞれの分布があり、それぞれの戦略がある。Trayneではうまくいったのですが、新しいデータで、直接やると失敗します。思い出すのは...
少し違う考えもあるのですが...。
将来の相場の分布を、例えばローソク足50本先まで定性的に予測できれば、この分布から数千の系列を抽出してモデルを学習させ、こうすれば理論上は新しいローソク足50本に対してモデルが十分に機能する......ということです。
私は定期的にトピックを訪問し、顔は同じです、モデルの議論は同じです、多分誰かが表示する何かを持っていますか?