트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 908

새 코멘트
 
마이클 마르쿠카이테스 :

브이트리트.알

고맙습니다.

R에 뭔가가 있습니까?

Rattle에서 내 세트를 시도했습니다. 모든 네트워크에서 교육을 선택했는데 결과적으로 많은 생각 끝에 오류가 발생했습니다.


 
도서관 :

주기)

그러나 모든 조합과 PC는 며칠 동안 계산됩니다 ...
10개의 예측 변수, 조합 2^10 = 1024

예측 변수 20개 = 2^20 = 1048576

여러 번 숲/NS를 훈련해야 합니다.

예, 급하지 않습니다 ... 별도의 컴퓨터에 버리고 스스로 계산하게 할 수 있습니다.

그러나 어떤 종류의 소프트웨어가 가치가 있습니까?

 
마이클 마르쿠카이테스 :

브이트리트.알

어떻게 실행할 수 있습니까? 나는 vtrear()를 부르고 그는 맹세한다. 

--- Пожалуйста, выберите зеркало CRAN для использования в этой сессии ---
пробую URL 'https://cran.univ-paris1.fr/bin/windows/contrib/ 3.5 /vtreat_1. 0.4 .zip'
Content type 'application/zip' length 975668 bytes ( 952 KB)
downloaded 952 KB

пакет ‘vtreat’ успешно распакован, MD5-суммы проверены

Скачанные бинарные пакеты находятся в
        C:\Users\S_V_A\AppData\Local\Temp\RtmpeQVyba\downloaded_packages
> local({pkg <- select.list(sort(.packages(all.available = TRUE )),graphics= TRUE )
+ if (nchar(pkg)) library (pkg, character.only= TRUE )})
> vtrear()
Ошибка в vtrear() :не могу найти функцию "vtrear"
> utils:::menuInstallPkgs()
 
막심 드미트리예프스키 :

사진이 될까요? 좋은 것들과 NS는 필요하지 않습니다. lol :)

나도 모르겠다... Doc은 MKUL에 대한 모든 코드를 제공하여 모델을 MT에서 즉시 사용할 수 있도록 했습니다. MT와 R 사이의 연결과 다리는 거기보다 더 가파르다. 일반적으로 작업은 Reshetov와 R 옵티마이저에서 얻은 모델을 비교 평가하는 것입니다. 내가 elmnn에 대해 좋아하지 않은 유일한 것은 몇 번이나 훈련시켜도 OOS에서는 항상 같은 결과가 나옵니다. 즉, 훈련하십시오, 훈련하지 마십시오. 어쨌든 얻을 수 있습니다 :-) 그러나 작업은 이제 막 시작되었고 자신감 있는 평결을 위해서는 더 많은 테스트가 필요합니다...

 
알렉세이 비아즈미킨 :

어떻게 실행할 수 있습니까? 나는 vtrear()를 부르고 그는 맹세한다. 

forexFeatures<-forexFeatures1[i:n_rw, 1 :n_enter+ 1 ]
set.seed( 1234 )
#designTreatmentsC подходит только для классификации с двумя классами
treatmentsC <- designTreatmentsC(dframe = forexFeatures,
                                varlist=colnames(forexFeatures)[-ncol(forexFeatures)], #названия колонок с предикторами (тут - все кроме последней колонки)
                                 outcomename = colnames(forexFeatures)[ncol(forexFeatures)], #названия колонок с таргетом (тут - последняя колонка)
                                 outcometarget = "1" ) #текст или цифра одного из классов
#обработка, сортировка результата
treatmensC_scores <- treatmentsC$scoreFrame[order(treatmentsC$scoreFrame$sig),]
treatmensC_scores <- treatmensC_scores[!duplicated(treatmensC_scores$origName),]
treatmensC_scores <- treatmensC_scores[,c( "origName" , "sig" )] 
treatmensC_scores$is_good <- treatmensC_scores$sig <= 1 /nrow(forexFeatures)
treatmensC_scores

일반적으로 이와 같은 것입니다. 하지만 이것은 0과 1만 있는 대상 분류에 대한 추정치입니다. 회귀의 경우 거기에서 다릅니다. 이렇게 ...

 

랜덤 포레스트 모델의 결과를 올바르게 해석하는 방법 - 좋은가요 나쁜가요? 

Summary of the Random Forest Model
==================================

Number of observations used to build the model: 282752
Missing value imputation is active.

Call:
 randomForest(formula = as .factor(arr_Sell) ~ .,
              data = crs$dataset[crs$sample, c(crs$ input , crs$target)],
              ntree = 500 , mtry = 5 , importance = TRUE , replace = FALSE , na.action = randomForest::na.roughfix)

               Type of random forest: classification
                     Number of trees: 500
No. of variables tried at each split: 5

        OOB estimate of  error rate: 0.85 %
Confusion matrix:
      - 1        0 class .error
- 1 21438    1825 0.078450759
0      584 258905 0.002250577

Analysis of the Area Under the Curve (AUC)  
==========================================

Call:
roc. default (response = crs$rf$y, predictor = as .numeric(crs$rf$predicted))

Data: as .numeric(crs$rf$predicted) in 23263 controls (crs$rf$y - 1 ) < 259489 cases (crs$rf$y 0 ).
Area under the curve: 0.9596

95 % CI: 0.9579 - 0.9614 (DeLong)

Variable Importance
===================

                                 - 1        0 MeanDecreaseAccuracy
arr_iDelta_MN1               138.27 133.11                140.22
arr_iDelta_H6                 125.08 121.39                133.93
arr_iDelta_H12               123.70 122.14                133.35
arr_Regresor                 128.66 115.53                127.84
arr_iDelta_W1                 139.04 113.42                127.63
arr_iDelta_Min_D1             116.08 109.00                118.71
arr_LastBarPeresekD_Up_M15   104.77 115.87                118.67
arr_LastBarPeresekD_Down_M15 101.57 111.98                114.99
arr_TimeH                     109.29 110.21                111.94
arr_iDelta_Max_H1             106.04 102.77                109.00
arr_DonProcVisota             95.92 109.61                106.40
arr_iDelta_D1                 116.65    90.42                103.11
arr_iDelta_Max_D1             96.33    94.41                101.86
arr_iDelta_H4                 78.47    90.86                  90.15
arr_DonProc_M15               78.25    84.56                  85.65
arr_Den_Nedeli                 83.49    81.88                  83.28
arr_DonProc                   58.30    84.22                  76.08
arr_iDelta_H3                 55.64    64.18                  62.44
arr_RSI_Open_H1               70.07    47.21                  58.58
arr_LastBarPeresekD_Up         49.16    59.19                  56.28
arr_iDelta_Min_H1             47.12    60.19                  55.55
arr_Vektor_Week               53.23    52.12                  54.44
arr_iDelta_H1                 41.20    48.63                  46.96
arr_Vektor_Don_M15             46.79    40.64                  45.61
arr_LastBarPeresekD_Down       33.46    42.79                  39.32
arr_Vektor_Day                 31.94    32.05                  32.78
arr_Vektor_Don                 18.94    22.51                  21.50
arr_BB_Center                 19.91    21.46                  21.07
arr_RSI_Open_M1               24.14    15.21                  18.13
arr_BB_Down                   18.22    13.54                  15.41
arr_BB_Up                     11.74    12.82                  13.13
                             MeanDecreaseGini
arr_iDelta_MN1                         1786.84
arr_iDelta_H6                         1257.97
arr_iDelta_H12                         1286.82
arr_Regresor                           1162.09
arr_iDelta_W1                         1611.97
arr_iDelta_Min_D1                     1009.56
arr_LastBarPeresekD_Up_M15             990.33
arr_LastBarPeresekD_Down_M15           1051.66
arr_TimeH                             1718.65
arr_iDelta_Max_H1                       945.35
arr_DonProcVisota                     1146.33
arr_iDelta_D1                         1179.92
arr_iDelta_Max_D1                     1036.35
arr_iDelta_H4                         1182.16
arr_DonProc_M15                       1102.40
arr_Den_Nedeli                         1185.70
arr_DonProc                             699.24
arr_iDelta_H3                         1163.34
arr_RSI_Open_H1                         228.25
arr_LastBarPeresekD_Up                 839.31
arr_iDelta_Min_H1                       760.00
arr_Vektor_Week                         278.21
arr_iDelta_H1                           778.78
arr_Vektor_Don_M15                     220.85
arr_LastBarPeresekD_Down               731.15
arr_Vektor_Day                         155.12
arr_Vektor_Don                         215.34
arr_BB_Center                           155.38
arr_RSI_Open_M1                         99.55
arr_BB_Down                             82.22
arr_BB_Up                               56.65

Time taken: 1.26 hours

Rattle timestamp: 2018 - 05 - 14 04 : 12 : 32 S_V_A
======================================================================

테스트 데이터(15%) 

Error matrix for the Random Forest model on Pred_023.csv [test] (counts):

      Predicted
Actual   - 1      0 Error
    - 1 4502    409    8.3
     0    125 55555    0.2

Error matrix for the Random Forest model on Pred_023.csv [test] (proportions):

      Predicted
Actual  - 1      0 Error
    - 1 7.4    0.7    8.3
     0    0.2 91.7    0.2

Overall error: 0.9 %, Averaged class error: 4.25 %

Rattle timestamp: 2018 - 05 - 14 12 : 48 : 08 S_V_A

그래서 두 개의 파일로 나눌 수 없었습니다. 아무도 이해하기 쉽게 설명할 수 없습니다.

 
알렉세이 비아즈미킨 :

어떻게 실행할 수 있습니까? 나는 vtrear()를 부르고 그는 맹세한다.

패키지는 다르게 호출되며 다음이 필요합니다.

라이브러리(vtreat)

패키지에는 몇 가지 기능이 포함되어 있습니다. 어떤 게으름으로 문서를 열었습니까?

 
마이클 마르쿠카이테스 :

일반적으로 이와 같은 것입니다. 하지만 이것은 0과 1만 있는 대상 분류에 대한 추정치입니다. 회귀의 경우 거기에서 다릅니다. 이렇게 ...

저것들. 그래픽 쉘이 있습니까? 그리고 어떻게 도움을 요청합니까?

 
산산이치 포멘코 :

패키지는 다르게 호출되며 다음이 필요합니다.

라이브러리(vtreat)

패키지에는 몇 가지 기능이 포함되어 있습니다. 어떤 게으름으로 문서를 열었습니까?

문서는 어디에서 얻을 수 있습니까?

 
알렉세이 비아즈미킨 :

저것들. 그래픽 쉘이 있습니까? 그리고 어떻게 도움을 요청합니까?

아니요. 그러나 나는 모든 것을 엑셀로 완벽하게 업로드하는 스크립트를 작성했고 나는 이미 거기에 떠올랐다. 내 아이디어가 있기 때문에 대본을 줄 수 없습니다 .... 글쎄, 나는 거기에서 멋진 독창적 인 것을 만들었습니다. 누가 예측자를 어떻게 평가하는지 모르겠지만 결과는 추가 분석을 위해 매우 읽기 쉬운 편리한 테이블입니다 ... 이와 같은 ...

1...901902903904905906907908909910911912913914915...3399
새 코멘트
사유: