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 1883 1...187618771878187918801881188218831884188518861887188818891890...3399 新しいコメント Rorschach 2020.07.16 18:22 #18821 ヒットはないだろう、二手に分かれよう。ボックスとジェンキンスに歓喜 その結果、線形法や指数平滑化などの単純な古典的手法が、決定木、MLP(Multilayer Perceptron)、LSTM(Long Short-Term Memory)ネットワークモデルなどの複雑で高度な手法より優れていることが示唆された。 mytarmailS 2020.07.17 05:43 #18822 ロールシャッハ: ヒットはないだろう、二手に分かれよう。ボックスとジェンキンスに歓喜その結果、線形法や指数平滑化などの単純な古典的手法が、決定木、MLP(Multilayer Perceptron)、LSTM(Long Short-Term Memory)ネットワークモデルなどの複雑で高度な手法より優れていることが示唆された。 愚か者の愚か者による愚か者のための記事 Rorschach 2020.07.17 06:07 #18823 Evgeny Dyuka: ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。 例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは? 1.猫と犬だけの写真を見せる、つまり二値分類。 2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。 3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。 今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことです。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。 普通は全部試してみて、一番いいものを選ぶといいますよね。2つのグリッドがあり、それぞれが独自のタスク(猫や犬)で動作し、さらに出力に閾値を設定します。そして、どの例が最も悪く認識されたかをどうにかして判断し、それらの例を処理するか、追加のトレーニングを行う必要があるのです。インプットでは、実践で使う例を出すのですが、テストで出ない家をトレーニングで見せても意味がないのです。また、研修生とテストの絵は同等に扱われるべきです。 Uladzimir Izerski 2020.07.17 06:13 #18824 Evgeny Dyuka: ところで、必ずしも物質的なものでなくとも、プロモーションのためのオーディエンスや、すでに持っているものをもとにさらなる研究を組織する機会など、リソースがあればパートナーシップに応じることは可能です。このテーマを手探りで良いレベルまで引き上げるのは無理があります。各分野の真の専門家が必要です。 テレグラムチャンネルにあなたのプロフィールのリンクを貼って ください。見てみると面白いかもしれませんね。 Uladzimir Izerski 2020.07.17 06:21 #18825 ロールシャッハ: 何でも試してみて、一番いいものを選ぶと言うのが普通です。2つのグリッドがあり、それぞれが異なるタスク(猫や犬)で動作し、さらに出力に閾値を設定する。そして、どの例が最も悪いと認識されているか、処理する必要があるか、追加のトレーニングを行う必要があるか、どうにかして判断する必要があります。インプットでは、実践で使う例を出すのですが、テストで出ない家をトレーニングで見せても意味がないのです。また、トレイの絵とテストの絵は同等に扱われるべきです。 正確な座標があるのに、なぜ絵というプリズムを通して価格を見なければならないのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械は100%認識します。 Evgeny Dyuka 2020.07.17 06:36 #18826 Uladzimir Izerski: プロフィールにテレグラムチャンネルへのリンクを 投げる。見ていて面白いですよ。 私は月曜日まで一時停止の指標から信号を アップロードし、彼らがどのように見えるか、ニューロシグナルを見るために "履歴 "ボタンに移動します。 Evgeny Dyuka 2020.07.17 06:40 #18827 ロールシャッハ: 通常、1.全部試してみて、ベストな選択肢を選ぶと言われます。イマイチ、2.2.はそれぞれ別のタスク(猫や犬)で動作 し、さらに出力に閾値を設定します。そして、どの例が最も悪く認識されたかをどうにかして判断し、それらの例を処理するか、追加のトレーニングを行う必要があるのです。3.の 入力では、実際に使われる例を提供 することで、テストに出ない家をトレーニングで見せても意味がない。また、受講者の写真とテストの写真は同等に扱われるべきです。 1.そうなんです、すべての選択肢をクリアしなければならないんです。問題は、時間がかかりすぎることです。 2.試してみたら、もっと悪くなった。 3.彼女が使っているものをどうやって知ることができますか?ブラックボックスだから、全部食べさせるんです。 Rorschach 2020.07.17 06:48 #18828 Uladzimir Izerski: 正確な座標があるのに、なぜ絵というプリズムを通して価格を見るのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械は100%認識します。 質問内容は、猫と犬についてでした。そして、グラフィカルな解析のためにネットワークを教えてみるのもよいでしょう。 Evgeny Dyuka 2020.07.17 06:56 #18829 Uladzimir Izerski: 正確な座標があるのに、なぜ絵というプリズムを通して価格を見るのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械が100%認識します。 もちろん写真ではなく、あくまで直接的に類推してください。ローソク足は3つの値で表現されます。 Evgeny Dyuka 2020.07.17 06:59 #18830 ロールシャッハ: 質問内容は、猫と犬についてでした。そして、ネットワーク・グラフィカル・アナリシスを教えることができる ネットワークにスクリーンショットを表示することもできますが、最適化後はOpen、Close、High、Lowになります。 1...187618771878187918801881188218831884188518861887188818891890...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
ヒットはないだろう、二手に分かれよう。ボックスとジェンキンスに歓喜
その結果、線形法や指数平滑化などの単純な古典的手法が、決定木、MLP(Multilayer Perceptron)、LSTM(Long Short-Term Memory)ネットワークモデルなどの複雑で高度な手法より優れていることが示唆された。
ヒットはないだろう、二手に分かれよう。ボックスとジェンキンスに歓喜
その結果、線形法や指数平滑化などの単純な古典的手法が、決定木、MLP(Multilayer Perceptron)、LSTM(Long Short-Term Memory)ネットワークモデルなどの複雑で高度な手法より優れていることが示唆された。
愚か者の愚か者による愚か者のための記事
ところで、もしかしたら専門家が助けてくれるかもしれません。ここで質問です。
例えば、写真で猫と犬を見分けるというタスクがあります。正しい学習方法とは?
1.猫と犬だけの写真を見せる、つまり二値分類。
2.ネコとネコ以外を別々に教える(プロトスカオス)+イヌとイヌ以外も別々に教える、つまり2サイクルの学習と2パターンの出力が可能。
3.猫、犬、カオスの3つの分類を作る。つまり、モデルは1つだが、答えは3つの選択肢の分類となる。
今、私は最初の選択肢を持っていますが、それは明らかに曲がっています。問題は、ニューロは片方の変種しかよく学習せず、従来は「猫」しかよく見えず、「犬」はよく認識できないことです。例えば、バックテストでは、モデルは上昇する値動きを検出するのが得意で、下降する値動きは無視します。上方への推測が67%と高い場合、同じモデルでは下方への推測は55%にとどまる。モデルからモデルへの "アップ "と "ダウン "は、場所を変えることができます。
普通は全部試してみて、一番いいものを選ぶといいますよね。2つのグリッドがあり、それぞれが独自のタスク(猫や犬)で動作し、さらに出力に閾値を設定します。そして、どの例が最も悪く認識されたかをどうにかして判断し、それらの例を処理するか、追加のトレーニングを行う必要があるのです。インプットでは、実践で使う例を出すのですが、テストで出ない家をトレーニングで見せても意味がないのです。また、研修生とテストの絵は同等に扱われるべきです。
ところで、必ずしも物質的なものでなくとも、プロモーションのためのオーディエンスや、すでに持っているものをもとにさらなる研究を組織する機会など、リソースがあればパートナーシップに応じることは可能です。このテーマを手探りで良いレベルまで引き上げるのは無理があります。各分野の真の専門家が必要です。
テレグラムチャンネルにあなたのプロフィールのリンクを貼って ください。見てみると面白いかもしれませんね。
何でも試してみて、一番いいものを選ぶと言うのが普通です。2つのグリッドがあり、それぞれが異なるタスク(猫や犬)で動作し、さらに出力に閾値を設定する。そして、どの例が最も悪いと認識されているか、処理する必要があるか、追加のトレーニングを行う必要があるか、どうにかして判断する必要があります。インプットでは、実践で使う例を出すのですが、テストで出ない家をトレーニングで見せても意味がないのです。また、トレイの絵とテストの絵は同等に扱われるべきです。
正確な座標があるのに、なぜ絵というプリズムを通して価格を見なければならないのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械は100%認識します。
プロフィールにテレグラムチャンネルへのリンクを 投げる。見ていて面白いですよ。
信号を アップロードし、彼らがどのように見えるか、ニューロシグナルを見るために "履歴 "ボタンに移動します。
通常、1.全部試してみて、ベストな選択肢を選ぶと言われます。イマイチ、2.2.はそれぞれ別のタスク(猫や犬)で動作 し、さらに出力に閾値を設定します。そして、どの例が最も悪く認識されたかをどうにかして判断し、それらの例を処理するか、追加のトレーニングを行う必要があるのです。3.の 入力では、実際に使われる例を提供 することで、テストに出ない家をトレーニングで見せても意味がない。また、受講者の写真とテストの写真は同等に扱われるべきです。
2.試してみたら、もっと悪くなった。
3.彼女が使っているものをどうやって知ることができますか?ブラックボックスだから、全部食べさせるんです。
正確な座標があるのに、なぜ絵というプリズムを通して価格を見るのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械は100%認識します。
質問内容は、猫と犬についてでした。そして、グラフィカルな解析のためにネットワークを教えてみるのもよいでしょう。
正確な座標があるのに、なぜ絵というプリズムを通して価格を見るのか。価格と時間あとは、興味のあるモデルを記述するのみです。しかも、数が多いので、選択的に。トレーニングなしでも、機械が100%認識します。
質問内容は、猫と犬についてでした。そして、ネットワーク・グラフィカル・アナリシスを教えることができる
ネットワークにスクリーンショットを表示することもできますが、最適化後はOpen、Close、High、Lowになります。