AI

【機械学習】目的関数・評価関数・最終評価の使い分け ~確率とラベルで何が変わる?~

はじめに機械学習モデルを構築するとき、「確率を重視して評価するか」「最終的なラベル判定を重視するか」 によって選ぶ指標が変わります。本記事では、CatBoostを例に、目的関数(loss_function)、評価関数(eval_metric...
AI

【機械学習】CatBoostの早期停止とベストモデル決定の仕組み

本記事では、CatBoostの早期停止機能とベストモデル(ベストイテレーション)選択の仕組みをわかりやすく解説。過学習抑制や学習効率化のポイントを具体的なコード例付きで紹介します。
MQL5記事

【FX手法】パラボリックSAR×60SMAで高速スキャルピングEAを作る

本記事は MQL5公式記事「MQL5でパラボリックSARと単純移動平均(SMA)を使用した高速取引戦略アルゴリズムを実装する」MQL5 をベースに、1 分足で小さな値動きを連続して刈り取る“Rapid Fire”戦略を解説します。戦略の意図、前提、環境設定、コード全体(日本語コメント付き)、テスターでの検証・最適化、実運用時の落とし穴までを体系的にまとめました。
AI

【経済指標分析AI】Catboost×wbdataで作る本格経済予測モデル

Pythonパッケージ wbdata を使って世界銀行の経済指標データを数行のコードで取得・分析する方法を解説。pandas連携やMetaTrader5×CatBoost活用例も紹介。
AI

【機械学習】CatBoost分類モデルでクラス不均衡に強くなる方法ランキング

機械学習の分類モデルを使うとき、クラスの不均衡は非常に厄介な問題です。特にCatBoostのような勾配ブースティングモデルでは、多数派クラスに引きずられてしまい、少数クラスの検出性能が著しく低下することがあります。この記事では、CatBoostを使った分類問題でクラス不均衡を扱う代表的な5つの方法をランキング形式で紹介します。すべて筆者自身の実験結果に基づいており、実践的な内容となっています。
AI

【検証レポート】CatBoostはクロスバリデーションなしでも精度評価できる? #AI #FX

はじめに機械学習モデルの精度を検証する際、クロスバリデーション(以下CV)はほぼ常識とされています。特に時系列や不均衡データにおいては、ウォークフォワードCVやTimeSeriesSplitなどが活用されます。ですが、最近私がFX自動売買A...
AI

【FX自動売買AI】評価指標が悪いのに成績が良いモデルは“採用すべき”か?

「混同行列やROCは悪い。でも実際にトレードさせると、なぜかこのモデルだけ利益が出る――」FXの自動売買AIを開発していると、こんな経験はありませんか?本来、モデルの精度を表すべき評価指標が悪いのに、バックテストでは他より成績がいい。今回は「指標が悪くても利益が出るモデル」は採用してよいのか?という疑問に答えながら、機械学習評価とトレード成績のズレについて実例を交えて解説します。
AI

【機械学習】Catboostのパラメーターの説明

はじめに機械学習の分野で、勾配ブースティング(Gradient Boosting)は高い予測精度と扱いやすさから多くの場面で利用されています。その中でもCatBoostは、カテゴリ変数を自動的に処理できる点や過学習に強い点が評価され、分類問...
AI

【機械学習】CatBoostで差をつける!不要指標を排除して精度を伸ばす秘訣

はじめにFXレートの機械学習予測では、どのような特徴量を入力に使うかがモデル精度に大きく影響します。終値のようなシンプルな時系列データだけを使うか、RSI・移動平均・ATRなど多数のテクニカル指標を組み合わせるかで、モデルの振る舞いは変わり...
機械学習

【機械学習FX】Catboostの引数「border_count」とは

CatBoost は決定木ベースの勾配ブースティングライブラリであり、数値特徴量に対して自動的に量子化(ビン分割)を行うことで高速化と過学習抑制を実現しています。その量子化を制御する主要パラメータが border_count です。本記事では、border_count の意味やデフォルト値、調整方法、実践的な使い方例と注意点を解説します。
タイトルとURLをコピーしました