Обсуждение статьи "Библиотека численного анализа ALGLIB в MQL5"
про "ALgLIB в MQL" всегда интересовал вопрос - а насколько она близка к оригиналу и ему соответствует?
поймите правильно, самое плохое что может случится это получить разные результаты использовав AlgLIB например в C/С++ и в MQL.
про "ALgLIB в MQL" всегда интересовал вопрос - а насколько она близка к оригиналу и ему соответствует?
поймите правильно, самое плохое что может случится это получить разные результаты использовав AlgLIB например в C/С++ и в MQL.
две последний строчки про test-case оригинальной AlgLIB. В адаптации MQL5 нет тестов.
Все обширные тесткейсы Alglib всегда были с самой первой портированной версии MQL5 библиотеки (октябрь 2012):
\MQL5\Scripts\UnitTests\Alglib\ TestClasses.mq5 TestInterfaces.mq5 TestClasses.mqh TestInterfaces.mqh
Сейчас это 3 850 кб тестов в исходниках и 105 000 строк кода, покрывающих практически весь функционал.
Каждый может скомпилировать юниттесты TestClasses.mq5 / TestInterfaces.mq5 и запустить в терминале.
- 2012.10.12
- www.mql5.com
Кроме Алглиба, есть тесткейсы для других математических библиотек:
После обновления перестала работать нейросеть.
Откатился на старую версию ALGLIB. Кому нужна - приложил.
День добрый!
Кто-то смог разобраться как использовать нелинейную оптимизацию по МНК ?
Вот пример с сайта Alglib https://www.alglib.net/translator/man/manual.cpp.html#example_lsfit_d_nlf
Подскажите, плиз, что я не так делаю.
//+------------------------------------------------------------------+ //| Optim.mq5 | //| vp | //| https://www.mql5.com | //+------------------------------------------------------------------+ #property copyright "vp" #property link "https://www.mql5.com" #property version "1.00" #include <Math\Alglib\alglib.mqh> void function_cx_1_func(double &c[],double &x[],double &func,CObject &obj) { // this callback calculates f(c,x)=exp(-c0*sqr(x0)) // where x is a position on X-axis and c is adjustable parameter func = MathExp(-c[0]*MathPow(x[0],2)); } void OnStart() { int info; CObject obj; vector v = {-1,-0.8,-0.6,-0.4,-0.2,0,0.2,0.4,0.6,0.8,1.0}; double y[] = {0.223130, 0.382893, 0.582748, 0.786628, 0.941765, 1.000000, 0.941765, 0.786628, 0.582748, 0.382893, 0.223130}; double c[] = {0.3}; CMatrixDouble x; x.Col(0,v); double epsx = 0.000001; int maxits = 0; double diffstep = 0.0001; // // Fitting without weights // CLSFitStateShell state; CAlglib::LSFitCreateF(x,y,c,diffstep,state); CAlglib::LSFitSetCond(state,epsx,maxits); CNDimensional_Rep rep; CNDimensional_PFunc function_cx_1_func; CAlglib::LSFitFit(state,function_cx_1_func,rep,0,obj); CLSFitReportShell grep; CAlglib::LSFitResults(state,info,c,grep); ArrayPrint(c); // EXPECTED: [1.5] Print(grep.GetIterationsCount()); Print(grep.GetRMSError()); }
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Опубликована статья Библиотека численного анализа ALGLIB в MQL5:
В этой статье мы кратко рассмотрим библиотеку численного анализа ALGLIB 3.19, ее приложения и новые алгоритмы, позволяющие повысить эффективность анализа финансовых данных.
Почему стоит выбрать ALGLIB при работе с финансовыми данными?
Вот ключевые преимущества этой библиотеки:
Кроме того, библиотека ALGLIB содержит огромный набор тесткейсов, максимально покрывающих функционал предлагаемых методов.
Автор: MetaQuotes