カオスにはパターンがあるのか？それを探してみよう！特定のサンプルを例にした機械学習。 - ページ 8

[Forester]

Aleksey Vyazmikin #:

だから、難読化する前にスクリーニングする方法論を開発する必要がある。

今、トレーニングをしているところですが、特に量子テーブルの分割数など、設定に大きく左右されます。

ビデオカードのデフォルト設定でトレーニングを行う実験を始めたところですが、モデルの評価と試験サンプルのテストを考慮しない場合、1パスで2～3分かかります。私の時代遅れのFX-8350プロセッサーでは、60％ほど遅くなります。

このスピードはかなり許容範囲だと思います。私は通常、手法の効率を平均化するために、固定シードで100のモデルを訓練します。

最後まで訓練した場合、プログラムは最大2時間かかると見積もります。

木の深さ6、1000本で2-3分ですか？

[Valeriy Yastremskiy]

spiderman8811 #:
レベルではなく、レンジであり、波のパターンであり、ローソク足である。それらは本には載っていない。それは動作するはずです。

私はまた、より詳細に興味がある)))それはどのような範囲から、どのようなモデル)明確ではありません。）

[Aleksey Vyazmikin]

elibrarius #:
木の深さ6、1000本で2-3分？

つまり、最後の100本の間に改善が見られない場合、トレーニングは停止され、改善された最後の木までモデルがカットされます。

[Forester]

Aleksey Vyazmikin #:

すべてのサンプルで安定した結果が得られるので、私はさらに気に入っている。

0.042が最高の結果だ。すべての列でより良く、バランス曲線はよりきれいだ。しかし、キャットバスタでやったほどではない。

[Forester]

Aleksey Vyazmikin #:

最初の列はゼロですか、それとも "1 "ですか？:)

ゼロです。

0,02400

[Forester]

Aleksey Vyazmikin #:

おそらく1041年から1489年に近い意味だろう。

448小節で最高の0.03000

[Aleksey Vyazmikin]

elibrarius #:

0.042が最高の結果だ。すべての列よりも良いし、バランスカーブもきれいだ。しかし、キャットバスタでやったほどではない。

エリブラリウス#:

448小節でベストは0.03000。

この結果はすでに明らかに良くなっており、学習を促進する予測変数の選択によって達成されたようである。他にどれだけの有用なものがあり、それをどのように取り出すかが問題である。

50ピップス以上の利益を達成した場合のみ「1」とすることでターゲットを変更してみてください（もっと少ないほうがいいかもしれません）。私の実験では、この方法で学習が改善されましたが、プラスのターゲットの数はさらに少なくなりました。

[Forester]

Aleksey Vyazmikin #:

結果はすでに明らかに良くなっており、それは学習に有利な予測変数の選択によるもののようだ。さらにいくつの予測変数が有用なのか、そしてそれをどのように取り出すのかが気になるところだ。

50pips以上（もっと少ないほうがいいかもしれない）利益が出たときだけ「1」にすることでターゲットを変えてみてください。

2番目の列はクラスのしきい値（ただし、教師のマークアップではなく、フォーキャストで）。3番目の利益。
60ポイントのポルゴアのグラフが最高。

[Aleksey Vyazmikin]

elibrarius #:
2列目はクラスのしきい値（ただし、教師のマークアップではなく、予想）。 60ptのグラフが最高です。

また、予測するときにどうやって利益を知るのですか、それとも回帰モデルを持っているのですか？

教えるときにシフトしてみてください :)

[Forester]

Aleksey Vyazmikin #:

また、予測ではどうやって利益を知るのか、あるいは回帰モデルを持っているのか？

トレーニングの際にシフトしてみてください :)

私はトレーニング後に利益とスケジュールを計算します。