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 1274 1...126712681269127012711272127312741275127612771278127912801281...3399 新しいコメント Farkhat Guzairov 2019.01.26 21:19 #12731 アレクセイ・ヴャジミキン繰り返しになりますが、「結果的にあなたが個人的に何かをした」という質問がよくわからないのですが、それを拡大して、結果はどうだったのか、私が個人的に何をしなければならなかったのか、教えてください。私のMoDの応用の話であれば、そうですね、私はこの問題にいろいろと取り組んでいます（モデルの作成、選択、応用）-私の実績については、ここにたくさん書いています。つまり、ここで声を上げたことをすでに応用しているのですね（1200ppは現実的ではないので全部は読んでいません）。100500個のシグナルがあれば、そのうちの1個が本物かもしれません。 Aleksey Vyazmikin 2019.01.26 21:19 #12732 ファルハット・グザイロフつまり、次の試合では、この非標準的な行動はすでにボットに負けていることになります。現時点では、非標準的な行動によって人間がAIに勝てることは明らかですが、AIが「なぜそうなるのか・・・」と言った途端、人間は苦しくなってしまいます。この仕掛けが戦闘の手段として常に繰り返されるのであれば、たしかに何かが起こるだろうが、そうでなければ、それは単なる異常値であり、モデルは十分に反応しないはずである。 Aleksey Vyazmikin 2019.01.26 21:28 #12733 ファルハット・グザイロフつまり、ここで声高に言われていることから、すでに適用していることは何か（1200ppは現実的ではないので全部は読んでいません）。100500のシグナルがありますが、おそらくそのうちの1つだと思いますので、これが使われているリンクを教えてください。私はCatBoostとDocの「魔法の木」を使っていますが、そこには私なりの方法論があるんです。今のところ、実際のアカウント でのテストしか行っていませんが、その結果、プレディクターにいくつかの問題があることがわかりましたので、ツリーから一から学習する必要があります。Catbustでは、モデルの作成から選択、トレードでのモデルの適用まで、すべてがすでに自動化されています。Catbustには、特にMQLのモデルインタープリタについて、とても助けられています。バグがなければ、春までにリアルマネーモデルを使用する予定です。モデルはパックで使用し、各モデル1ロット、購入と販売のための2つのアカウントがある予定です。 Forester 2019.01.27 06:28 #12734 アレクセイ・ヴャジミキン私はCatBoostとDocの「魔法の木」を使っているのですが、そこには私なりの方法論があります。今のところ、実際のアカウント でのテストしか行っていませんが、その結果、プレディクターにいくつかの問題があることがわかりましたので、ツリーから一から学習する必要があります。Catbustでは、モデルの作成から選択、トレードでのモデルの適用まで、すべてがすでに自動化されています。Catbustには、特にMQLのモデルインタープリタについて、とても助けられています。春までに新しいバグが発見されなければ、実際のお金でモデルを使用する予定です。モデルはバッチで使用し、各モデル1ロット、購入と売却のための2つのアカウントが存在します。 ドクからの "魔法の木 "とは？詳細はどこで見ることができますか？ Aleksey Vyazmikin 2019.01.27 10:09 #12735 エリブラリウス ドクの "魔法の木 "とは？どこで詳細を見るか？遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日かかる、ここですべてのバーが、入力する唯一の信号、および3年間のすべてのバーなら、計算がそこに1.5ヶ月かかる。計算後、ツリーの分割を行いました。つまり、母集団の最適ツリーのルート予測変数の列を削除し、もう一度やり直しました。 Maxim Dmitrievsky 2019.01.27 10:37 #12736 アレクセイ・ヴャジミキンちなみに、この男性はアクションのミス（曲がったクリック／スキルの発動忘れ）で負けていたのですが、相手の拠点の後方に着弾して常に相手の気をそらし、そのために相手の拠点に兵力を展開させ、その結果、男性が自分のユニットを高いレベルに成長させる時間ができ、結果として相手に大きなダメージを与えて試合に勝つことができた、という規格外の戦術で勝つことができたので、ご注目ください。 また、予期せぬスタッドやフォルスプロボイがトレーダーを目的から遠ざけてしまうのも、この方法によるものです。なお、これはスライドウィンドウへの変換が雑だったため、プログラムがウィンドウに惑わされたためで、技術的な問題です。 そんなドロップがゼイタクではじき出される前に。 はクリップをよく見てください Forester 2019.01.27 10:41 #12737 アレクセイ・ヴャジミキン遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日かかる、ここですべてのバーが、入力する唯一の信号、および3年間のすべてのバーなら、計算がそこに1.5ヶ月かかる。計算後、ツリーの分割、つまり、最良母集団ツリーのルート予測変数の列を削除して、もう一度やり直すのですが、この手順を40回行っても、非常に良い葉が作られることがあるようです。 コードを添付してください（またはlsに送ってください）、見ていて面白いです。もしかしたら、新しい発見があるかもしれません。 ちなみに、Alglibでは、各ノードでのパーティショニングの選択には、ランダムな予測変数のセット（デフォルトでは全体の50％）を使用します。これは、Random Forestの制作者の標準的なアプローチと思われる。その結果、さまざまな種類の樹木が生まれました。 しかし、最終的な誤差の差は1％にも満たないので、最適なものを見つけるのは難しい。つまり，すべての木がほぼ同じ結果になるのですが，ある予測変数の木では先に分割があり，同じ予測変数の別の木では後に分割があります（先に分割の対象から除外されたため）． 一般に、予測選択には悩まされますね。100個の予測器を1個ずつ追加してチェックし、結果を改善し続けようと考えています。複雑な計算の末にルート予測器を40回除外するのであれば、フルブルートフォースの方が簡単かも？それとも、そこに1000の予兆があるのでしょうか？ Maxim Dmitrievsky 2019.01.27 10:50 #12738 アレクセイ・ヴャジミキン 遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日間かかりますが、すべてのバーではなく、入力する唯一の信号、および3年間のすべてのバーであれば、計算がそこに1.5ヶ月かかります。計算後、ツリーの分割を行いました。つまり、母集団の最適なツリーのルート予測変数の列を削除し、もう一度最初からやり直しました。なぜそうなるかの理論を読まずに、森とブーストのアルゴリズムを真似しているので、ナンセンスなことをしていると、また判明しました。 Aleksey Vyazmikin 2019.01.27 11:01 #12739 マキシム・ドミトリエフスキーなお、これはスライドウィンドウへの変換が雑だったためで、プログラムがウィンドウを台無しにした、技術的な問題です。 このような滴下が簡単に撃退される前に。 クリップをよく見てください。残念ながら、あなたは受け取った情報を分析せず、解説を消して、自分の目で見ているのです。 以前はこのような状況はありませんでした。ビデオをよく見てください。 Maxim Dmitrievsky 2019.01.27 11:04 #12740 アレクセイ・ヴャジミキン残念ながら、あなたは受け取った情報を分析できていません。解説を消して、自分の目で確かめてください。 以前はこのような状況はありませんでした。ビデオをよく見直してみてください。アルファスターのアルゴリズムは、フルマップビューからスライスビューに変更されたため、正しく表示されませんでした。 ウィンドウの切り替えが遅く、プリズムの位置がわからず、行ったり来たりしているのがわかります。 それはバグです。 尊敬できないわ！ 1...126712681269127012711272127312741275127612771278127912801281...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
繰り返しになりますが、「結果的にあなたが個人的に何かをした」という質問がよくわからないのですが、それを拡大して、結果はどうだったのか、私が個人的に何をしなければならなかったのか、教えてください。私のMoDの応用の話であれば、そうですね、私はこの問題にいろいろと取り組んでいます（モデルの作成、選択、応用）-私の実績については、ここにたくさん書いています。
つまり、ここで声を上げたことをすでに応用しているのですね（1200ppは現実的ではないので全部は読んでいません）。100500個のシグナルがあれば、そのうちの1個が本物かもしれません。
つまり、次の試合では、この非標準的な行動はすでにボットに負けていることになります。現時点では、非標準的な行動によって人間がAIに勝てることは明らかですが、AIが「なぜそうなるのか・・・」と言った途端、人間は苦しくなってしまいます。
この仕掛けが戦闘の手段として常に繰り返されるのであれば、たしかに何かが起こるだろうが、そうでなければ、それは単なる異常値であり、モデルは十分に反応しないはずである。
つまり、ここで声高に言われていることから、すでに適用していることは何か（1200ppは現実的ではないので全部は読んでいません）。100500のシグナルがありますが、おそらくそのうちの1つだと思いますので、これが使われているリンクを教えてください。
私はCatBoostとDocの「魔法の木」を使っていますが、そこには私なりの方法論があるんです。今のところ、実際のアカウント でのテストしか行っていませんが、その結果、プレディクターにいくつかの問題があることがわかりましたので、ツリーから一から学習する必要があります。Catbustでは、モデルの作成から選択、トレードでのモデルの適用まで、すべてがすでに自動化されています。Catbustには、特にMQLのモデルインタープリタについて、とても助けられています。バグがなければ、春までにリアルマネーモデルを使用する予定です。モデルはパックで使用し、各モデル1ロット、購入と販売のための2つのアカウントがある予定です。
私はCatBoostとDocの「魔法の木」を使っているのですが、そこには私なりの方法論があります。今のところ、実際のアカウント でのテストしか行っていませんが、その結果、プレディクターにいくつかの問題があることがわかりましたので、ツリーから一から学習する必要があります。Catbustでは、モデルの作成から選択、トレードでのモデルの適用まで、すべてがすでに自動化されています。Catbustには、特にMQLのモデルインタープリタについて、とても助けられています。春までに新しいバグが発見されなければ、実際のお金でモデルを使用する予定です。モデルはバッチで使用し、各モデル1ロット、購入と売却のための2つのアカウントが存在します。
ドクの "魔法の木 "とは？どこで詳細を見るか？
遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日かかる、ここですべてのバーが、入力する唯一の信号、および3年間のすべてのバーなら、計算がそこに1.5ヶ月かかる。計算後、ツリーの分割を行いました。つまり、母集団の最適ツリーのルート予測変数の列を削除し、もう一度やり直しました。
ちなみに、この男性はアクションのミス（曲がったクリック／スキルの発動忘れ）で負けていたのですが、相手の拠点の後方に着弾して常に相手の気をそらし、そのために相手の拠点に兵力を展開させ、その結果、男性が自分のユニットを高いレベルに成長させる時間ができ、結果として相手に大きなダメージを与えて試合に勝つことができた、という規格外の戦術で勝つことができたので、ご注目ください。
また、予期せぬスタッドやフォルスプロボイがトレーダーを目的から遠ざけてしまうのも、この方法によるものです。
なお、これはスライドウィンドウへの変換が雑だったため、プログラムがウィンドウに惑わされたためで、技術的な問題です。
そんなドロップがゼイタクではじき出される前に。
はクリップをよく見てください
遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日かかる、ここですべてのバーが、入力する唯一の信号、および3年間のすべてのバーなら、計算がそこに1.5ヶ月かかる。計算後、ツリーの分割、つまり、最良母集団ツリーのルート予測変数の列を削除して、もう一度やり直すのですが、この手順を40回行っても、非常に良い葉が作られることがあるようです。
ちなみに、Alglibでは、各ノードでのパーティショニングの選択には、ランダムな予測変数のセット（デフォルトでは全体の50％）を使用します。これは、Random Forestの制作者の標準的なアプローチと思われる。その結果、さまざまな種類の樹木が生まれました。
しかし、最終的な誤差の差は1％にも満たないので、最適なものを見つけるのは難しい。つまり，すべての木がほぼ同じ結果になるのですが，ある予測変数の木では先に分割があり，同じ予測変数の別の木では後に分割があります（先に分割の対象から除外されたため）．
一般に、予測選択には悩まされますね。100個の予測器を1個ずつ追加してチェックし、結果を改善し続けようと考えています。複雑な計算の末にルート予測器を40回除外するのであれば、フルブルートフォースの方が簡単かも？それとも、そこに1000の予兆があるのでしょうか？
遺伝的アルゴリズムで 木を作り、エントロピーの向上で世代を選択するRスクリプトがある。そして、何らかの最終選考がある。最終的にすべての木を選び、葉っぱを抜いて、MT5でさらに別個に測定します。スクリプトは公開されていないので、詳細な説明もありません。どうやらそれは森から最高の木を選択するようなものですが、オーバートレーニングを避けるために深さの制限があり、よくプロセスは最後のサンプルにすべてのコアで約2日間かかりますが、すべてのバーではなく、入力する唯一の信号、および3年間のすべてのバーであれば、計算がそこに1.5ヶ月かかります。計算後、ツリーの分割を行いました。つまり、母集団の最適なツリーのルート予測変数の列を削除し、もう一度最初からやり直しました。
なぜそうなるかの理論を読まずに、森とブーストのアルゴリズムを真似しているので、ナンセンスなことをしていると、また判明しました。
なお、これはスライドウィンドウへの変換が雑だったためで、プログラムがウィンドウを台無しにした、技術的な問題です。
このような滴下が簡単に撃退される前に。
クリップをよく見てください。
残念ながら、あなたは受け取った情報を分析せず、解説を消して、自分の目で見ているのです。
以前はこのような状況はありませんでした。ビデオをよく見てください。
残念ながら、あなたは受け取った情報を分析できていません。解説を消して、自分の目で確かめてください。
以前はこのような状況はありませんでした。ビデオをよく見直してみてください。
アルファスターのアルゴリズムは、フルマップビューからスライスビューに変更されたため、正しく表示されませんでした。
ウィンドウの切り替えが遅く、プリズムの位置がわからず、行ったり来たりしているのがわかります。
それはバグです。
尊敬できないわ！