記事"機械学習モデルの評価と変数の選択"についてのディスカッション
おめでとう！
本書は、この分野で利用可能な最新のツールに基づいた、このテーマに関する参考書である。誰もが複製でき、すべてが無料で、保守され、開発され、文書化されている......。
尊敬と敬意を！
私は無知に見えることを望んでいないし、著者のメリットを損なうことはありません、彼は確かによくやっているが、それはすべて稼ぐために役立つのだろうか？
それは依存します。
数週間のコストで数百万人の孤独なシーカー？いいえ、役に立たない。
生活のために取引し、まともなEAは数年かかることに気づく人？はい。そして、ここでそれは正しい道に従うことが非常に重要であり、森の中をさまようことはありません....
PS。
そして、証券市場のプロの参加者はどのようなツールの助けを借りてお金を稼ぐのですか？TAの助けを借りていない？結局のところ、大学のすべてのTAは単位と2週間で教えられています。そして、証券市場のプロの参加者は、「統計学」、「計量経済学」、「人工知能」......の卒業証書を持つ卒業生を備えている。そのような人々にとって、この記事は多くの点で目新しいものではあるが、非常に理解しやすいものである。
PSPS。
私は落胆させるために書いているのではない。全市場で全商品を取引する100,000人の従業員を擁するメリルリンチのようなことはやめましょう。
私たちは、ごく限られたTSについて話しているのです：数種類のモデル、十数種類の商品。そして、本当に毎月20％以上のリターンを達成する。
計画はこうだ。
Rを設定します。次にRAttleを使います。これは、最も簡単なExpert Advisorを書いた人なら誰でも利用できる。作業時間は1時間。エクセルを使ってソース・ファイルを用意する。そのうちの3つ（ADA、ランダムフォレスト、SVM）は非常に有望で、インジケーターや特にニューラルネット（ラトルでも利用でき、比較可能）を使った変種をはるかに凌駕する能力を持っている。
そして、面倒な作業が始まる。多くの点で、入力データのリストを掘り下げる実質的な作業である。これはエクセルのフレームワーク全体と、ラトルでの結果の評価に関するものである。これがマスターできれば、あなたは正しい道を歩むことができる。
そしてTAでは......。エキスパート・アドバイザーを書いて、利益が出そうだ......。そして、トレーダーが不信感を抱き、流出したデポの次の「聖杯」の前にそれを捨てようと思えば、それは確実に腐り、大きな幸福となる......。そしてそれは一生続く。経験は蓄積されない-理論的には不可能である。
計画はこうだ。
Rをつけよう。次にRAttleを取ります。これは一番簡単なExpert Advisorを書けば誰でも利用できる。作業時間は1時間。エクセルを使ってソース・ファイルを用意する。そのうちの3つ（ADA、ランダムフォレスト、SVM）は非常に有望で、その能力によって、インジケータや特にニューラルネット（ラトルでも利用可能で、比較できる）を使用した変種をはるかに凌駕している。
それはお金を与えるのだろうか？それなら、最も裕福で成功したトレーダーは 数学者だろう。非定常系列に神話的な規則性を探すことは、コインを裏返すことに似ている。
"非定常系列に神話的パターンを探すのは、コインを裏返すのに似ている"
これは最も愚かな発言の中で最も傲慢なものとして記録されるべきである。
そして、この「儲かりますか」という質問は、訓練のレベルを物語っている。
人の心には限りがあるが、愚かさには限りがない」。
非定常系列に神話的な規則性を求めることは、コインを裏返すことに似ている。
一般的に、誰もが統計解析を学ぶべきだ。）しかし、問題は残る-どのようなデータを入力し、同様に出力するかである :)
それは決して余計なことではありません。しかし、このスレッドでさえ、議論の中で、6つの非常にまともなモデルを使うことを勧めているのであれば、入力と出力はそれと何の関係があるのだろう。それらは何のためにあるのか？ヒートトラフィックの消費を予測するためだ。市場はそれと何の関係があるのか？
私は批判しているわけではないし、金儲けのためのこのアプローチに異議を唱えているわけでもない。私にとっては単なる興味と議論であり、それ以上のものではない。そして、とっくの昔に超スマートなニューラルネットワークを作り上げ、いまだにそこに居座り続けている愚か者たち......。彼らと話しても面白くない。
- 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
新しい記事 機械学習モデルの評価と変数の選択 はパブリッシュされました:
この記事では、機械学習モデルで使用する入力変数（予測変数）の選択、前処理および評価の詳細に焦点を当てています。新しいアプローチと予測分析とモデルの可能性と過学習への影響を考慮します。モデルを使用した全体的な結果は、この段階の結果に依存します。予測変数の選択に、新しい、オリジナルなアプローチを提供します。
作者: Vladimir Perervenko