데이터 예약으로 인해 모델의 전투 참여가 지연된다는 것을 잊지 마십시오. 수신 신호의 품질에 직접적인 영향을 미치는 것은 ....
개인적으로 나는 다음 방법을 선택했습니다. 매수 신호에서 얻은 모델을 뒤집고 동일한 시장 부문에서 테스트하지만 매도 신호에 대해 테스트합니다. 따라서 나는 귀중한 시간을 낭비하지 않고 모델의 능력을 적절하게 평가합니다. 임호
나는 train|valid|test를 사용하여 고전적인 방식으로 모델을 훈련하고 테스트하려고 합니다. 모델이 작동하면 테스트를 실제 거래로 만들 것입니다. 나는 기차|유효한 기차를 국회에 제출하고 수신된 설정에서 실제 거래를 시작합니다. 아니면 기차 한 개로 충분할까요? 그래서 훈련은 실제 거래의 순간에 가깝습니다. 최후의 수단으로 기차 구간까지의 데이터를 검증할 수 있습니다.
그건 그렇고, 그렇습니다. 제어 섹션은 기차 섹션까지 가능합니다. 저도 이렇게 하는데 분류가 있는데 순서는 중요하지 않습니다. 예측 또는 회귀의 경우 데이터의 순서가 중요합니다.
그러나 제 경우에는 통제 영역이 훈련 영역과 같은 시장 기간에 속하기 때문에 매수와 매도를 나누는 것이 최선의 선택입니다. 데이터가 정반대일 뿐이지만 현재 시행 중인 모든 법률과 뉴스는 훈련 현장과 통제 현장 모두에서 동일합니다. 이 경우 Train 구간 직후에 거래가 시작되어 TS 운영 시간이 늘어날 수 있습니다.
도서관 : 나는 train|valid|test를 사용하여 고전적인 방식으로 모델을 훈련하고 테스트하려고 합니다. 모델이 작동하면 테스트를 실제 거래로 만들 것입니다. 나는 기차|유효한 기차를 국회에 제출하고 수신된 설정에서 실제 거래를 시작합니다. 아니면 기차 한 개로 충분할까요? 그래서 훈련은 실제 거래의 순간에 가깝습니다. 최후의 수단으로 기차 구간까지의 데이터를 검증할 수 있습니다.
여기에서 그들은 훈련, 테스트, 검증 섹션의 수와 순서에 대해 논쟁하지만 교차 검증에 대해서는 이야기하지 않습니다. 아마도 모든 사람이 기본적으로 그것을 사용하거나 아무도 사용하지 않을 것입니다 ...
아마도 그렇게. 라이브러리가 변경될 가능성이 매우 높습니다. 이제 고급 수준에서 Python을 마스터하고 데이터 과학을 마스터하는 작업이 있습니다. 그것을 위해 항상. 그리고 실행 가능한 모델은 언제 준비됩니까? 이미 MT에 고정하는 방법에 대해 생각할 것입니다.
다음 분기에서 Renat는 Python, P 및 C#를 묶을 것이라고 썼습니다. 나만 이해하지 못했는데 Metaezhitor에서 작업하거나 MQL과 통합하는 것이 가능할 것입니다. Method Editor에서 작업하는 것은 특별히 권장되지 않으며 코드 편집기가 충분합니다. 통합 가능성이 높습니다. 이것은 멋진 것입니다. 그리고 Python 통합에 대한 나의 작업은 임시 솔루션입니다.
데이터 예약으로 인해 모델의 전투 참여가 지연된다는 것을 잊지 마십시오. 수신 신호의 품질에 직접적인 영향을 미치는 것은 ....
개인적으로 나는 다음 방법을 선택했습니다. 매수 신호에서 얻은 모델을 뒤집고 동일한 시장 부문에서 테스트하지만 매도 신호에 대해 테스트합니다. 따라서 나는 귀중한 시간을 낭비하지 않고 모델의 능력을 적절하게 평가합니다. 임호
그건 그렇고, 그렇습니다. 제어 섹션은 기차 섹션까지 가능합니다. 저도 이렇게 하는데 분류가 있는데 순서는 중요하지 않습니다. 예측 또는 회귀의 경우 데이터의 순서가 중요합니다.
그러나 제 경우에는 통제 영역이 훈련 영역과 같은 시장 기간에 속하기 때문에 매수와 매도를 나누는 것이 최선의 선택입니다. 데이터가 정반대일 뿐이지만 현재 시행 중인 모든 법률과 뉴스는 훈련 현장과 통제 현장 모두에서 동일합니다. 이 경우 Train 구간 직후에 거래가 시작되어 TS 운영 시간이 늘어날 수 있습니다.
개인적으로 나는 다음 방법을 선택했습니다. 매수 신호에서 얻은 모델을 뒤집고 동일한 시장 부문에서 테스트하지만 매도 신호에 대해 테스트합니다. 따라서 나는 귀중한 시간을 낭비하지 않고 모델의 능력을 적절하게 평가합니다. 임호
예를 들어 1.0에서 -1.0까지 출력에서 매수 및 매도 값을 사용하여 단일 모델을 즉시 훈련시키고 0.0에 가까운 모든 것은 평평하지 않습니까?
나는 train|valid|test를 사용하여 고전적인 방식으로 모델을 훈련하고 테스트하려고 합니다. 모델이 작동하면 테스트를 실제 거래로 만들 것입니다. 나는 기차|유효한 기차를 국회에 제출하고 수신된 설정에서 실제 거래를 시작합니다. 아니면 기차 한 개로 충분할까요? 그래서 훈련은 실제 거래의 순간에 가깝습니다. 최후의 수단으로 기차 구간까지의 데이터를 검증할 수 있습니다.
여기에서 그들은 훈련, 테스트, 검증 섹션의 수와 순서에 대해 논쟁하지만 교차 검증에 대해서는 이야기하지 않습니다. 아마도 모든 사람이 기본적으로 그것을 사용하거나 아무도 사용하지 않을 것입니다 ...
교차 검증을 할 때 데이터가 적고 최소한 무언가 검증이 필요할 때 사용한다고 읽었습니다. Forex에는 많은 데이터가 있습니다. 몇 년 동안 수백만 분의 막대가 있습니다. 아무도 사용하지 않는 것 같아요.
교차검증이란 데이터가 적고 최소한 뭔가 검증이 필요한 경우에 사용한다고 생각했습니다. 몇 년 동안 외환 데이터에는 수백만 개의 분 막대가 있습니다. 아무도 사용하지 않는 것 같아요.
예를 들어 1.0에서 -1.0까지 출력에서 매수 및 매도 값을 사용하여 단일 모델을 즉시 훈련시키고 0.0에 가까운 모든 것은 평평하지 않습니까?
그건... 우리 방식이 아닙니다. 바로 매수 매도를 가르쳐주면 컨트롤 부분이 사라진다....
좋은 아이디어와 유용한 MT5 라이브러리, python 스크립트 파일과 동기화하는 것은 상당히 번거로운 IMHO입니다.
로컬 사전을 통해 MQL 변수를 Python 변수와 직접 동기화하고 EA 코드의 문자열 상수에서 직접 Python 코드 조각을 실행하는 것이 더 낫다고 생각합니다.
여기에서 명령줄에서 bcc64를 컴파일하여 테스트를 시도했습니다. Python 3.6에서 잘 작동합니다.
라이브러리에 이러한 기능을 추가하는 것도 나쁘지 않을 것입니다. 이미 직접 작성하려고 했으나 지금은 불행히도 Python용 P-no 라이브러리로 바쁩니다.
그건 그렇고, 여기 스레드에서 이 새로운 신경망에 대해 썼습니다. Fisher's Irises를 사용한 예에 대한 예비 테스트 결과에 따르면, 동일한 테스트 결과로 TensorFlow의 DNN보다 3배 빠르게 학습합니다.
나는 그것에 대해 생각합니다. 내 라이브러리에서 모든 Python 스크립트를 실행하고 이 스크립트에서 모든 기능을 실행할 수 있습니다. 도서관은 어렵지 않습니다. 나와 다른 많은 사람들에게 충분하다고 생각합니다.
나는 그것에 대해 생각합니다. 내 라이브러리에서 모든 Python 스크립트를 실행하고 이 스크립트에서 모든 기능을 실행할 수 있습니다. 도서관은 어렵지 않습니다. 나와 다른 많은 사람들에게 충분하다고 생각합니다.
아마도 그렇게. 라이브러리가 변경될 가능성이 매우 높습니다. 이제 고급 수준에서 Python을 마스터하고 데이터 과학을 마스터하는 작업이 있습니다. 그것을 위해 항상. 그리고 실행 가능한 모델은 언제 준비됩니까? 이미 MT에 고정하는 방법에 대해 생각할 것입니다.
다음 분기에서 Renat는 Python, P 및 C#를 묶을 것이라고 썼습니다. 나만 이해하지 못했는데 Metaezhitor에서 작업하거나 MQL과 통합하는 것이 가능할 것입니다. Method Editor에서 작업하는 것은 특별히 권장되지 않으며 코드 편집기가 충분합니다. 통합 가능성이 높습니다. 이것은 멋진 것입니다. 그리고 Python 통합에 대한 나의 작업은 임시 솔루션입니다.