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 1711 1...170417051706170717081709171017111712171317141715171617171718...3399 新しいコメント Forester 2020.04.17 09:43 #17101 mytarmailS: なぜかというと、ケツバストからこの木で苦労しているようですね、出力に問題がある、松葉杖が...。 ルール誘導」というテーマに少し触れてみたのですが、Rにはルールやルールアンサンブルを生成するためのパッケージがたくさんありますね...。 1) ルールの出力が簡単、一行で済む 2) 人間にとって読みやすいルールであること 3)ルール生成 ヒープの種類、些細なものから遺伝的なものまで 4) 予測の品質が他のものと同等であること だから、このケットバストには手を出さない方がいいんじゃないかと思うんです。とか、もうちょっといいものを...とか。 このツリーは、かなりのルール・ジェネレーターです。見やすい。 森・林は、木々のアンサンブル＝ルールです。 4）本当にいいんですか？これらのパックは、MOのコンペティションに参加したことがありますか？ブーストモデルに勝てたのか？コンペティションの結果へのリンクはありますか？ 参考までにいくつかの受賞パッケージの例を挙げてください（できればロシア語で）。 mytarmailS 2020.04.17 09:56 #17102 エリブラリウス このツリーは、かなりのルール・ジェネレーターです。見やすい。 森・バストは、木＝ルールのアンサンブルです。 4）本当にいいんですか？これらのパックは、MOのコンテストに参加したことがありますか？ブーストモデルに勝てたのか？コンペティションの結果へのリンクはありますか？ 参考までにいくつかの受賞パッケージの例を挙げてください（できればロシア語で）。 私の言っていることが理解できないのか、それとも私があなたを理解していないのか、ケットバストの解釈と実行に問題があるように思えました、すべてが良ければすべて良し ) 4) 「並み」と書きましたが）・・・同じデータでRFと比較したところ、1〜3％悪い方に差が出ました。 Forester 2020.04.17 10:02 #17103 mytarmailS: 私の言っていることが理解できないのか、それとも私があなたを理解していないのか、ケットバストの解釈と実行に問題があるのかと思いました、すべてが良ければすべて良し ) 4) 「レベル」と書きましたが...同じデータでRFと比較したところ、1〜3％の差がありました。 値を計算する正確なアルゴリズムが分からなくても、仕事の邪魔にはならないんです。要は50%レベルの典型的な分割によって、古典的な確率とキャットバストの確率が同じになるのである。 ブーストによるRFは、精度、速度ともに非常に遅れています。特にAlglibライブラリのRFであればなおさらです。 mytarmailS 2020.04.17 10:08 #17104 エリブラリウス 価値の計算アルゴリズムを正確に理解できなくても、仕事に支障はないんです。主なものは、典型的な50％分割によって、クラシック確率とキャットバスト確率が同じであるということです。 ブーストによるRFは、精度、速度ともに非常に遅れています。特にAlglibライブラリのRFであればなおさらです。 わかりました...。 精度としては、2～4％です。 私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが......。 プロセスの理解==良いチップ 良いチップを持った1つのルールは、ゴミで訓練された1000の森を持つどんなブースターにも勝つことができる。 Forester 2020.04.17 10:30 #17105 mytarmailS: わかりました...。 精度としては、2～4％です。 私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが......。 プロセスの理解==良いチップ 良いチップを持った1つのルールが、ゴミで鍛えた1000本の木を使ったブーストを打ち負かすことができる。 一本の木にも、良い機能が見つかるはずです。 mytarmailS 2020.04.17 10:35 #17106 エリブラリウス 良いチップと1本の木が見つけることができます。 をよくお読みください。 mytarmailS: わかりました...。 精度としては、2～4％です。 私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが...。 プロセスを理解する==良いチップです。 良いチップを持った1つのルールが、ゴミで訓練された1000本の木材を使ったどんなブーストにも勝てる。 Forester 2020.04.17 10:43 #17107 mytarmailS: よみとく 一本の木は見やすく、わかりやすい。 そして、ツリーのプロセスを理解することも簡単です。 mytarmailS 2020.04.17 10:45 #17108 エリブラリウス 一本の木は見やすく、わかりやすい。 ええ、まあ、誰がそうじゃないと言いましたか？ Forester 2020.04.17 10:48 #17109 mytarmailS: まあね、誰がそんなこと言うんだ？ 誰もいない) ツリーはわかるが、確率を計算するアルゴリズムがわからない。でも、ツリーで作業することを妨げるわけではありません) mytarmailS 2020.04.17 10:51 #17110 エリブラリウス 誰もいない) ツリーはわかるが、確率を計算するアルゴリズムがわからない。でも、ツリーで作業することを妨げるわけではありません) わかったよ、だからケツバストが苦手なんだね。 1...170417051706170717081709171017111712171317141715171617171718...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
なぜかというと、ケツバストからこの木で苦労しているようですね、出力に問題がある、松葉杖が...。
ルール誘導」というテーマに少し触れてみたのですが、Rにはルールやルールアンサンブルを生成するためのパッケージがたくさんありますね...。
1) ルールの出力が簡単、一行で済む
2) 人間にとって読みやすいルールであること
3)ルール生成 ヒープの種類、些細なものから遺伝的なものまで
4) 予測の品質が他のものと同等であること
だから、このケットバストには手を出さない方がいいんじゃないかと思うんです。とか、もうちょっといいものを...とか。
森・林は、木々のアンサンブル＝ルールです。
4）本当にいいんですか？これらのパックは、MOのコンペティションに参加したことがありますか？ブーストモデルに勝てたのか？コンペティションの結果へのリンクはありますか？
参考までにいくつかの受賞パッケージの例を挙げてください（できればロシア語で）。
このツリーは、かなりのルール・ジェネレーターです。見やすい。
森・バストは、木＝ルールのアンサンブルです。
4）本当にいいんですか？これらのパックは、MOのコンテストに参加したことがありますか？ブーストモデルに勝てたのか？コンペティションの結果へのリンクはありますか？
参考までにいくつかの受賞パッケージの例を挙げてください（できればロシア語で）。
私の言っていることが理解できないのか、それとも私があなたを理解していないのか、ケットバストの解釈と実行に問題があるように思えました、すべてが良ければすべて良し )
4) 「並み」と書きましたが）・・・同じデータでRFと比較したところ、1〜3％悪い方に差が出ました。
私の言っていることが理解できないのか、それとも私があなたを理解していないのか、ケットバストの解釈と実行に問題があるのかと思いました、すべてが良ければすべて良し )
4) 「レベル」と書きましたが...同じデータでRFと比較したところ、1〜3％の差がありました。
ブーストによるRFは、精度、速度ともに非常に遅れています。特にAlglibライブラリのRFであればなおさらです。
価値の計算アルゴリズムを正確に理解できなくても、仕事に支障はないんです。主なものは、典型的な50％分割によって、クラシック確率とキャットバスト確率が同じであるということです。
ブーストによるRFは、精度、速度ともに非常に遅れています。特にAlglibライブラリのRFであればなおさらです。
わかりました...。
精度としては、2～4％です。
私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが......。
プロセスの理解==良いチップ
良いチップを持った1つのルールは、ゴミで訓練された1000の森を持つどんなブースターにも勝つことができる。
わかりました...。
精度としては、2～4％です。
私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが......。
プロセスの理解==良いチップ
良いチップを持った1つのルールが、ゴミで鍛えた1000本の木を使ったブーストを打ち負かすことができる。
良いチップと1本の木が見つけることができます。
をよくお読みください。
わかりました...。
精度としては、2～4％です。
私は、アンサンブルで予測するのではなく、プロセスを理解するためにルールを使っているのですが...。
プロセスを理解する==良いチップです。
良いチップを持った1つのルールが、ゴミで訓練された1000本の木材を使ったどんなブーストにも勝てる。
よみとく
そして、ツリーのプロセスを理解することも簡単です。
一本の木は見やすく、わかりやすい。
ええ、まあ、誰がそうじゃないと言いましたか？
まあね、誰がそんなこと言うんだ？
ツリーはわかるが、確率を計算するアルゴリズムがわからない。でも、ツリーで作業することを妨げるわけではありません)
誰もいない)
ツリーはわかるが、確率を計算するアルゴリズムがわからない。でも、ツリーで作業することを妨げるわけではありません)
わかったよ、だからケツバストが苦手なんだね。