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 3384 1...337733783379338033813382338333843385338633873388338933903391...3399 新しいコメント Andrey Dik 2024.01.11 19:14 #33831 Aleksey Nikolayev #: mql5でCPU上の計算を並列化するメカニズムをご存知ですか? 上級者向けにはOpenCL。 あまり高度でない場合 - エージェントを別々のチャートで実行する。各チャートを別々のスレッドで実行すると、すべてのCPUコアが使用されます。 その上、ターミナル・エージェントは、ターミナル・チャート上でアプリケーションの計算を並列化するために使用することができます。 この記事では、MQL5でパラメータのステップを無制限に小さくして、2進数のすべての有効桁をカバーするバイナリGAを書く方法を紹介します(実際には、2進数の小数点以下は16桁までです)。MQL5では標準的な数値型の拡張を書くことができます。 Aleksey Nikolayev 2024.01.11 20:11 #33832 Andrey Dik #:OpenCLは多かれ少なかれ上級者向けだ。あまり高度でない場合 - エージェントを別々のチャートで実行する。各チャートを別々のスレッドで実行すると、すべてのプロセッサコアが合計で使用される。その上、ターミナル・エージェントは、ターミナル・チャート上でアプリケーションの計算を並列化するために使用することができます。この記事では、MQL5でパラメータのステップを無制限に小さくして、2進数のすべての有効桁をカバーするバイナリGAを書く方法を紹介します(実際には、2進数の小数点以下は16桁までです)。MQL5では標準的な数値型の拡張を書くことができます。 つまり、窮屈な自転車を手に入れることができる、ということだ。 そしてOpenCLはとても優れているので、metaquotesはGPUオプティマイザをその上で書かなかった。 わかった、もうやめるよ。でないと、君のデマゴギーについて思ったことを全部言ったら、マキシムみたいに出入り禁止にされちゃうよ。 Andrey Dik 2024.01.11 20:20 #33833 Aleksey Nikolayev #:つまり、かなり厄介な自転車になるということだ。OpenCLはとても優れているので、metaquotesはGPUオプティマイザを書かなかった。わかった、もうやめるよ。でないと、君のデマゴギーについて思ったことを全部言ったら、マキシムみたいに出入り禁止にされちゃうよ。 では、具体的に何が問題なのか?MQL5で問題があったとしても、それは言語のせいではないし、質問する人のための特別なプロフィールのスレッドもある。 私の「デモゴギー」とは?MQL5での具体的な実装や検索戦略について話したり見せたりした。私の顔に泥を塗ったり、出入り禁止になることを恐れさせたりしないために、あなたは私に他に何を求めているのですか? 私は人々にとても驚かされます。 mytarmailS 2024.01.15 17:54 #33834 レンダリングされたforrestの冗長性について少し。 虹彩データセットを取得し、forrestを訓練し、forrestからルールを抽出し、各ルールが特徴であるデータセットを作成する。 すると、ルールが列に並んだ行列ができる(約700個)。 X <- iris[,-5] target <- iris[,"Species"] library(inTrees) library(RRF) rules_dataset <- target |> RRF(x = X) |> RF2List() |> extractRules(X = X) |> sapply(\(r) eval(str2expression(r))) ncol(rules_dataset) [1] 698 ここで、線形に関連するルールをすべて特定し、冗長なルールとして削除する。 remove_lin_comb <- caret::findLinearCombos(rules_dataset)$remove clear_rules_dataset <- rules_dataset[, -remove_lin_comb] すると ncol(clear_rules_dataset) [1] 32 データセット全体は、698個ではなく32個のルールで記述できる。 そういうことだ...。 フォレストは 698/32= 21.8125倍も冗長な のだ。 СанСаныч Фоменко 2024.01.16 16:29 #33835 mytarmailS #:ランダム・フォレストの冗長性について少し。虹彩データセットを取得し、フォレストを訓練し、フォレストからルールを抽出し、各ルールが特徴であるデータセットを作成する。ルールを列に持つ行列を得る(約700個)次に、線形に関連するルールをすべて特定し、冗長なルールとして削除する。するとデータセット全体は698ルールではなく32ルールで記述できる。そういうことだ。フォレストは 698/32= 21.8125倍も冗長な のだ。 ルールはどこから来るのか?その通り、入力された山のような情報を圧縮してルールを得て、それを予測に使うのであって、元の情報ではない。それがモデルと呼ばれる理由だ。 mytarmailS 2024.01.16 17:18 #33836 СанСаныч Фоменко #:ルールはどこから来るのか?その通り、入力にある山のような情報を圧縮してルールを得て、それを予測に使うのであって、元の情報を使うわけではない。それがモデルと呼ばれる理由だ。 書かれていることをよく読んでください Maxim Dmitrievsky 2024.01.19 04:15 #33837 mytarmailS #: ルールに関する記事を書きたくなかったのか、それとも気が変わったのか?テスト関数の最小化よりも興味深いトピックだろう。それとも、OOSでの検証に問題があるのですか?あるいは、問題などなく、ただ書くのが億劫なだけなのか。 Maxim Dmitrievsky 2024.01.19 08:42 #33838 ルール選択の一般的なアプローチ。例えば、ツリーをルールに分解して、それからどうするか...TCの文脈で。ベストプラクティスや洞察。それは興味深い。ただ、ランダムな関数やランダムな狼ではなく、利益に近いもの。 СанСаныч Фоменко 2024.01.19 09:19 #33839 Maxim Dmitrievsky #: ルール選択の一般的なアプローチ。TCの文脈で、ツリーをルールに分解して、それからどうするか...というような。ベストプラクティスや洞察。 ただ、ランダムな関数やランダムな狼ではなく、利益に 近い。 利益に近づける」というのは「オーバートレーニング」と同義ではないか? 基本はランダムな増分値なので、ランダムな利益についてはいい均衡が得られる。そしてバランスの美しさはどこから来るのか? このバランスは、分類エラーに影響されるだけではない。 しかし、もし私たちがMOEの範囲内にとどまるならば、評価はプロファイルではない。 Maxim Dmitrievsky 2024.01.19 09:39 #33840 СанСаныч Фоменко #:利益に近づく」ことは「オーバートレーニング」と同義ではないか? 基準がランダムな増分値であるため、ランダムな利益で美しい均衡が得られる。バランスの美しさはどこから来るのか?バランスとは端末におけるTSの評価であり、このバランスは分類エラーに影響されるだけではない。そして、もし我々が手口の範囲内にとどまるならば、評価は利益ではない。 利益に近づく - 引用符に近い、無意味な何かのトレーニングではありません。このようなテストはインターネット上にたくさんあり、異なるMOの特殊性は長い間知られている。何が悪くて何が良いのか。ただ、ルール抽出がどの階層に位置するのか理解できない。 1...337733783379338033813382338333843385338633873388338933903391...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
mql5でCPU上の計算を並列化するメカニズムをご存知ですか?
上級者向けにはOpenCL。
あまり高度でない場合 - エージェントを別々のチャートで実行する。各チャートを別々のスレッドで実行すると、すべてのCPUコアが使用されます。
その上、ターミナル・エージェントは、ターミナル・チャート上でアプリケーションの計算を並列化するために使用することができます。
この記事では、MQL5でパラメータのステップを無制限に小さくして、2進数のすべての有効桁をカバーするバイナリGAを書く方法を紹介します(実際には、2進数の小数点以下は16桁までです)。MQL5では標準的な数値型の拡張を書くことができます。
OpenCLは多かれ少なかれ上級者向けだ。
あまり高度でない場合 - エージェントを別々のチャートで実行する。各チャートを別々のスレッドで実行すると、すべてのプロセッサコアが合計で使用される。
その上、ターミナル・エージェントは、ターミナル・チャート上でアプリケーションの計算を並列化するために使用することができます。
この記事では、MQL5でパラメータのステップを無制限に小さくして、2進数のすべての有効桁をカバーするバイナリGAを書く方法を紹介します(実際には、2進数の小数点以下は16桁までです)。MQL5では標準的な数値型の拡張を書くことができます。
つまり、窮屈な自転車を手に入れることができる、ということだ。
そしてOpenCLはとても優れているので、metaquotesはGPUオプティマイザをその上で書かなかった。
わかった、もうやめるよ。でないと、君のデマゴギーについて思ったことを全部言ったら、マキシムみたいに出入り禁止にされちゃうよ。
つまり、かなり厄介な自転車になるということだ。
OpenCLはとても優れているので、metaquotesはGPUオプティマイザを書かなかった。
わかった、もうやめるよ。でないと、君のデマゴギーについて思ったことを全部言ったら、マキシムみたいに出入り禁止にされちゃうよ。
では、具体的に何が問題なのか?MQL5で問題があったとしても、それは言語のせいではないし、質問する人のための特別なプロフィールのスレッドもある。
私の「デモゴギー」とは?MQL5での具体的な実装や検索戦略について話したり見せたりした。私の顔に泥を塗ったり、出入り禁止になることを恐れさせたりしないために、あなたは私に他に何を求めているのですか?
私は人々にとても驚かされます。
レンダリングされたforrestの冗長性について少し。
虹彩データセットを取得し、forrestを訓練し、forrestからルールを抽出し、各ルールが特徴であるデータセットを作成する。
すると、ルールが列に並んだ行列ができる(約700個)。
ここで、線形に関連するルールをすべて特定し、冗長なルールとして削除する。
すると
データセット全体は、698個ではなく32個のルールで記述できる。
そういうことだ...。
フォレストは 698/32= 21.8125倍も冗長な のだ。
ランダム・フォレストの冗長性について少し。
虹彩データセットを取得し、フォレストを訓練し、フォレストからルールを抽出し、各ルールが特徴であるデータセットを作成する。
ルールを列に持つ行列を得る(約700個)
次に、線形に関連するルールをすべて特定し、冗長なルールとして削除する。
すると
データセット全体は698ルールではなく32ルールで記述できる。
そういうことだ。
フォレストは 698/32= 21.8125倍も冗長な のだ。
ルールはどこから来るのか?その通り、入力された山のような情報を圧縮してルールを得て、それを予測に使うのであって、元の情報ではない。それがモデルと呼ばれる理由だ。
ルールはどこから来るのか?その通り、入力にある山のような情報を圧縮してルールを得て、それを予測に使うのであって、元の情報を使うわけではない。それがモデルと呼ばれる理由だ。
書かれていることをよく読んでください
ルール選択の一般的なアプローチ。TCの文脈で、ツリーをルールに分解して、それからどうするか...というような。ベストプラクティスや洞察。
利益に近づける」というのは「オーバートレーニング」と同義ではないか?
基本はランダムな増分値なので、ランダムな利益についてはいい均衡が得られる。そしてバランスの美しさはどこから来るのか?
このバランスは、分類エラーに影響されるだけではない。
しかし、もし私たちがMOEの範囲内にとどまるならば、評価はプロファイルではない。
利益に近づく」ことは「オーバートレーニング」と同義ではないか?
基準がランダムな増分値であるため、ランダムな利益で美しい均衡が得られる。バランスの美しさはどこから来るのか?
バランスとは端末におけるTSの評価であり、このバランスは分類エラーに影響されるだけではない。
そして、もし我々が手口の範囲内にとどまるならば、評価は利益ではない。