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 - ページ 5 12345 新しいコメント freewalk 2017.10.20 04:02 #41 Vladimir Perervenko:数字（-1、1（0））を説明する簡単な図面を描く ?記事をよく読んでください?そして、その隣？とZZの使い方がわからない？ 多分翻訳がよくないですか？あなたのコメントをより正確に指定し、英語を向上させることができますか？ZigZag このシーケンスは予測する必要は全くない。もしlag(ZigZag)=-1がわかっているなら、ZigZagは1でなければならない。ラグ(ZigZag)はすべて過去に発生したもので、ジグザグを100%正確に予測することができます。100%正確にジグザグが-1か1かを予測できる。しかし、リアルタイムではジグザグ点を知ることができないので、第3の状態（0）を計算しなければならない。https://www.mql5.com/ja/articles/2773。 运用人工智能实现的 Thomas DeMark 次序 (TD SEQUENTIAL) 2017.06.19Mihail Marchukajteswww.mql5.com 首先, 我们设定一个神经网络不能自行完成交易。这便是, 如果有一个神经网络, 并为它提供无限量的价格数据, 指标和其它他美味佳肴 — 获得永无终止的结果, 所以这个想法可以立即被丢弃。神经网络只能从侧面为策略 "服务": 协助制订决策, 过滤, 预测。能体现出一个完整策略的神经网络是无稽之谈 (至少我个人从未见过)。 首先, 用几句话来概括策略。次序是逆势策略。其中出现的信号不依赖于彼此。换言之, 可以在一行里收到买卖信号, 这令次序的使用极大地复杂化。就像任何其它策略一样, 它会产生假信号, 我们将要找出来。作者本人很好地描述了基于次序生成信号的原理。他的解释在这里稍作修改。仅应用了策略的第一部分, 使用 设置 和 交汇 信号。选择它们出于两个原因: 一是这些信号位于顶部和底部... 2935071411 2017.10.20 08:22 #42 望ましい Vladimir Perervenko 2017.10.20 19:01 #43 2935071411 : こんにちは こんにちは。 ZZは本当に最後のバー（最後の頂点）で定義されていません。 ニューラル・ネットワークのトレーニングは 、 最後の300本のバーがない ZZ値で行われます ！ ZZが定義されているこれらのバーで。 スクリプトを注意深く見て、結論を急がないでください。 バカを見る可能性があります。 スクリプトを注意深く見て、結論を急がないこと。 freewalk 2017.10.21 03:07 #44 リアルタイムで「直近300バー抜き」を 使うのか！リアルタイムで使えるのか？あなたの記事はすべて間違っています。なぜなら、あなたのターゲット定義が間違っているからです。あなたの指摘に従えば、300小節後にシンガルが起こるので、リアルタイムではすべて機能しません。あなたの指摘に従えば、300小節後にシンガルが発生します。 Zhang Zhang 2017.10.26 02:24 #45 freewalk:リアルタイムで「直近300バー抜き」を 使うのか！リアルタイムで使えるのか？あなたの記事はすべて間違っています。なぜなら、あなたのターゲット定義が間違っているからです。あなたの指摘に従えば、300小節後にシンガルが起こるので、リアルタイムではすべて機能しません。あなたの指摘に従えば、シンガルは300小節後に起こるでしょう。あなたは著者のビジョンを本当に理解していないし、自分の想像に甘すぎるし、あなたの言っていることの愚かさは、自分自身に重ね合わされているだけだ。ウラジーミル・ペレヴェンコへ：素晴らしい記事をありがとう ！ フリーウォーク」のこのバカげたこと、すべての中国人が彼を好きなわけではない。 Dong Yang Fu 2018.01.27 12:20 #46 Vladimir Perervenko: 次のブランチでお答えします。こんにちは、ウラジミール、この質問に関するあなたの回答は見つかりませんでした。また、Digの値が何なのかもわかりません！ Vladimir Perervenko 2018.03.05 11:28 #47 hzmarrou : 親愛なる皆さん、ZZ関数の 変数で 定義されている--Dig--は何を意味するのか、どなたか教えてください。もしそうなら、この定数の値はどうすればいいのでしょうか？Dig--小数点以下の桁数。たぶん5か3。 返信が遅れて申し訳ない。質問を見ていませんでした。議論は多くの枝に散らばっている。私はそれを追跡する時間がありません。 すみません。 Aleksey Vyazmikin 2023.02.10 04:32 #48 この記事はボリュームがあり、労をねぎらった。 しかし、疑問がある： 1.各バーにラベル付けされた選択されたターゲットで層別化を使っている。代表的でない2つのサンプルを混合すると、通常、結果が改善されるが、それは歪む。 2- 構築されたモデルに基づく特徴選択、特に最初の分割ランダムと貪欲法を考慮すると、モデル構築法のための特徴削減法である。貪欲な方法は常に正しく安定しているとは限りません。この場合、少なくとも異なるサブサンプルを使用する必要があるでしょう。 2番目の方法は最後まで理解できませんでした。ランダムな最初の予測因子と同じで、それからリーフを構築しようとするのでしょうか、それともツリーを構築して最良のリーフを残し、それを評価に使用するのでしょうか？ 12345 新しいコメント 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
数字（-1、1（0））を説明する簡単な図面を描く ?
記事をよく読んでください?そして、その隣？とZZの使い方がわからない？
多分翻訳がよくないですか？
あなたのコメントをより正確に指定し、英語を向上させることができますか？
ZigZag このシーケンスは予測する必要は全くない。もしlag(ZigZag)=-1がわかっているなら、ZigZagは1でなければならない。
ラグ(ZigZag)はすべて過去に発生したもので、ジグザグを100%正確に予測することができます。100%正確に
ジグザグが-1か1かを予測できる。
しかし、リアルタイムではジグザグ点を知ることができないので、第3の状態（0）を計算しなければならない。
https://www.mql5.com/ja/articles/2773。
こんにちは
こんにちは。
ZZは本当に最後のバー（最後の頂点）で定義されていません。 ニューラル・ネットワークのトレーニングは 、 最後の300本のバーがない ZZ値で行われます ！ ZZが定義されているこれらのバーで。
スクリプトを注意深く見て、結論を急がないでください。 バカを見る可能性があります。
スクリプトを注意深く見て、結論を急がないこと。
リアルタイムで「直近300バー抜き」を 使うのか！
リアルタイムで使えるのか？
あなたの記事はすべて間違っています。なぜなら、あなたのターゲット定義が間違っているからです。あなたの指摘に従えば、300小節後にシンガルが起こるので、リアルタイムではすべて機能しません。
あなたの指摘に従えば、300小節後にシンガルが発生します。
リアルタイムで「直近300バー抜き」を 使うのか！
リアルタイムで使えるのか？
あなたの記事はすべて間違っています。なぜなら、あなたのターゲット定義が間違っているからです。あなたの指摘に従えば、300小節後にシンガルが起こるので、リアルタイムではすべて機能しません。
あなたの指摘に従えば、シンガルは300小節後に起こるでしょう。
あなたは著者のビジョンを本当に理解していないし、自分の想像に甘すぎるし、あなたの言っていることの愚かさは、自分自身に重ね合わされているだけだ。
ウラジーミル・ペレヴェンコへ：素晴らしい記事をありがとう ！ フリーウォーク」のこのバカげたこと、すべての中国人が彼を好きなわけではない。
次のブランチでお答えします。
こんにちは、ウラジミール、
この質問に関するあなたの回答は見つかりませんでした。また、Digの値が何なのかもわかりません！
親愛なる皆さん、
ZZ関数の 変数で 定義されている--Dig--は何を意味するのか、どなたか教えてください。もしそうなら、この定数の値はどうすればいいのでしょうか？
Dig--小数点以下の桁数。たぶん5か3。
返信が遅れて申し訳ない。質問を見ていませんでした。議論は多くの枝に散らばっている。私はそれを追跡する時間がありません。
すみません。
この記事はボリュームがあり、労をねぎらった。
しかし、疑問がある：
1.各バーにラベル付けされた選択されたターゲットで層別化を使っている。代表的でない2つのサンプルを混合すると、通常、結果が改善されるが、それは歪む。
2- 構築されたモデルに基づく特徴選択、特に最初の分割ランダムと貪欲法を考慮すると、モデル構築法のための特徴削減法である。貪欲な方法は常に正しく安定しているとは限りません。この場合、少なくとも異なるサブサンプルを使用する必要があるでしょう。
2番目の方法は最後まで理解できませんでした。ランダムな最初の予測因子と同じで、それからリーフを構築しようとするのでしょうか、それともツリーを構築して最良のリーフを残し、それを評価に使用するのでしょうか？