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
AI 
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。
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...
AI 【AIFX】CatBoost × 為替トレード実例まとめ
CatBoostがリアルマネー運用に使われている 3つの事例を「モデル設定」「特徴量」「時間足」の観点で整理しました。実務でパラメータを探る際のヒントとしてご活用ください。事例①EUR/USDH1 ― MetaTrader5 EA概要Met...
AI 【人工知能FX】AIで相場分析を行う次世代EA（販売終了）
AI 搭載 EA の AI Strength を進化させた、最新作の AI 搭載 EA を販売しています。AIの技術は凄まじいスピードで進化しています。AI分析の凄さをその目で確かめてください。