한 번 이 패키지를 보여드린 적이 있습니다. 제가 MT4용 스크립트를 만들라고 요청했을 때 nnfor 패키지의 뉴런이 그곳에서 훈련되었고 대상은 TSrepr의 PIP - Perceptually Important Points(repr_pip) 였습니다 :)
블라디미르! 몇 가지 질문이 있습니다.
1) 지그재그 방향의 분류에서 달성할 수 있는 최대 오류는 얼마입니까? 예를 들어 유로달러 시간당 시계로 가정해 봅시다. 그리고 동시에 노이즈 필터를 사용 했 습니까?
2) 교육의 질이 기사에서 설명한 예측 변수의 "샘플링"을 악화합니까?
3) 어떤 종류의 메타 학습을 시도하고 싶습니다. 가장 낮은 수준에서 아이디어의 요지는 다음과 같습니다.
p1. 데이터로 숲을 훈련시키자
p2. 우리는 포리스트가 생성한 모든 규칙을 꺼내 새로운 예측자로 제시합니다. 각 규칙은 예측자이며 500-1000개의 규칙이 있을 것입니다. 예측자는 "희소한" 것으로 밝혀졌지만 무엇을 해야 합니까(
p.3 우리는 예측 변수의 규칙에 대해 새 모델을 훈련합니다...
아이디어는
1) 예측 변수의 수를 늘립니다.
2) 더 복잡하고 깊은 규칙을 얻으면 해당 규칙이 계층적으로 더 복잡해집니다.
3) Forest는 모든 규칙(트리)의 예측 합계로 예측을 제공합니다. 규칙의 합계가 아니라 규칙을 별도로 고려하면 클래스 레이블을 더 잘 분리할 수 있고 가능합니다. 규칙 등의 고유한 조합을 찾기 위해
그리고 질문은: 제가 방금 쓴 것이 일반적인 그래디언트 부스팅이 아닙니까?
4) 또한 satl , fatl 등을 사용하는 스펙트럼 표시기를 얻을 수 있는 위치
1. 나는 이 이야기를 꾸러미와 함께 기억한다. 유망한 패키지.
2. ELM 앙상블의 최상의 결과 - Acc=0.8+-0.1. 노이즈 예제의 처리는 의무 사항입니다. 노이즈 필터뿐만 아니라 수행할 수 있습니다 . 정확도는 차량의 가장 중요한 품질 지표가 아닙니다. 우리의 작업에는 특정 기간 동안 막대당 평균 보상의 최대값을 갖는 것이 더 중요합니다.
3. 이산화는 이상값 문제를 제거하고 예측 변수와 대상 간의 관계를 보다 선형으로 만듭니다. 그러나 아직 분류 품질이 크게 향상되지 않았습니다. 이 방향으로 계속 파고 있습니다. 많은 새로운 기술이 등장했습니다.
4. 왜 당신이 단순한 숲에 갇혔는지 이해가 되지 않습니다. 이제이 영토는 광범위하게 쟁기질됩니다. 수십 가지의 새로운 RF 변형이 나타났습니다. 마지막 이국적이고 여전히 축축한 것은 gensemble입니다. 노드가 의사 결정 트리가 아니라 모든 모델이 될 수 있는 포리스트.
기성품 솔루션을 시도하십시오. 바퀴를 재발명할 필요가 없습니다. 기성품을 잘 타는 방법을 배우는 것이 좋습니다.
저는 이제 MT5로 Python 통합 패키지를 구현하는 일에 참여하고 있습니다. 불행히도 그들은 R과의 통합을 중단했습니다.
흥미로운 주제. 저는 수학자도 아니고 기계 학습과는 거리가 멀지만 문제를 봅니다. 그리고 해결 방법을 알고 있습니다. 시장이 언제 움직이기 시작할지, 아예 시작하지 않을지, 시작할 때 끝날지, 이 움직임으로 돈을 버는 것이 가능한지 불확실한 경우 자체 학습 시스템을 만드는 것이 불가능합니다. . 작업 모델, 즉 수익성있는 시스템을 구축하는 것이 필요합니다. 그리고 그것을 시작으로 시스템을 비교하고 개선하기 위한 알고리즘을 설정합니다. 나는 이 경로를 따라 간단한 알고리즘을 만들었지만 수동 거래를 위한 것입니다. 흥미롭게도 계정을 1000배 늘리는 방법 주제를 살펴보세요. https://www.mql5.com/ru/forum/330313
MrBobr1 : 흥미로운 주제. 저는 수학자도 아니고 기계 학습과는 거리가 멀지만 문제를 봅니다. 그리고 해결 방법을 알고 있습니다. 시장이 언제 움직이기 시작할지, 아예 시작하지 않을지, 시작할 때 끝날지, 이 움직임으로 돈을 버는 것이 가능한지 불확실한 경우 자체 학습 시스템을 만드는 것이 불가능합니다. . 작업 모델, 즉 수익성있는 시스템을 구축하는 것이 필요합니다. 그리고 그것을 시작으로 시스템을 비교하고 개선하기 위한 알고리즘을 설정합니다. 나는 이 경로를 따라 간단한 알고리즘을 만들었지만 수동 거래를 위한 것입니다. 흥미롭게도 계정을 1000배 늘리는 방법 주제를 살펴보세요. https://www.mql5.com/ru/forum/330313
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오. 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오. 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시 하고 거래 알고리즘 을 만드십시오.
책을 반만 읽고도 아무것도 이해하지 못하는 것과 같습니다. 어떤 사람들은 청구서를 수백 번 증액할 수 있었고 나는 반복해서 수십 번 증액할 수 있었고 한 저자는 스레드에서 1000배 증액했다고 썼습니다. 따라서 시장에는 패턴이 있습니다. 작업해야 하는 규칙입니다. https://www.mql5.com/ru/forum/330313
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오 . 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오. 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시하고 거래 알고리즘을 만드십시오.
그게 우리가 여기서 하는 일이지만 다른 수준에서...
다음은 알고리즘의 예입니다 - 의사결정 트리 또는 설계 트리
그것은 무엇입니까?
이것은 논리적 규칙입니다. 이것이 시장의 일부인 특정 영역 의 할당이라고 생각하거나 이것이 시장의 특정 영역에 대한 마이크로 거래 시스템이라고 상상할 수 있습니다. 그런 다음 우리는 더 나아가 많은 규칙 (마이크로시스템) 을 추가하고 때로는 수천 개의 규칙을 하나로 추가합니다. 이것은 이미 포리스트 알고리즘이 될 것입니다.
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오. 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오 . 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시하고 거래 알고리즘을 만드십시오.
책을 반만 읽고도 아무것도 이해하지 못하는 것과 같습니다. 일부는 청구서를 수백 번 인상했고 나는 반복해서 수십 번 인상했는데 한 저자는 스레드에서 자신이 청구서를 1000배 인상했다고 썼습니다. 따라서 시장에는 패턴이 있습니다. 작업해야 하는 규칙입니다. https://www.mql5.com/ru/forum/330313
명확한 액션알고리즘을 보지 못해서 이해를 못했는데 명확한것도 안보이고 전혀 안보이고 1000% 있는 사진과 글만
한 번 이 패키지를 보여드린 적이 있습니다. 제가 MT4용 스크립트를 만들라고 요청했을 때 nnfor 패키지의 뉴런이 그곳에서 훈련되었고 대상은 TSrepr의 PIP - Perceptually Important Points(repr_pip) 였습니다 :)
블라디미르! 몇 가지 질문이 있습니다.
1) 지그재그 방향의 분류에서 달성할 수 있는 최대 오류는 얼마입니까? 예를 들어 유로달러 시간당 시계로 가정해 봅시다. 그리고 동시에 노이즈 필터를 사용 했 습니까?
2) 교육의 질이 기사에서 설명한 예측 변수의 "샘플링"을 악화합니까?
3) 어떤 종류의 메타 학습을 시도하고 싶습니다. 가장 낮은 수준에서 아이디어의 요지는 다음과 같습니다.
p1. 데이터로 숲을 훈련시키자
p2. 우리는 포리스트가 생성한 모든 규칙을 꺼내 새로운 예측자로 제시합니다. 각 규칙은 예측자이며 500-1000개의 규칙이 있을 것입니다. 예측자는 "희소한" 것으로 밝혀졌지만 무엇을 해야 합니까(
p.3 우리는 예측 변수의 규칙에 대해 새 모델을 훈련합니다...
아이디어는
1) 예측 변수의 수를 늘립니다.
2) 더 복잡하고 깊은 규칙을 얻으면 해당 규칙이 계층적으로 더 복잡해집니다.
3) Forest는 모든 규칙(트리)의 예측 합계로 예측을 제공합니다. 규칙의 합계가 아니라 규칙을 별도로 고려하면 클래스 레이블을 더 잘 분리할 수 있고 가능합니다. 규칙 등의 고유한 조합을 찾기 위해
그리고 질문은: 제가 방금 쓴 것이 일반적인 그래디언트 부스팅이 아닙니까?
4) 또한 satl , fatl 등을 사용하는 스펙트럼 표시기를 얻을 수 있는 위치
1. 나는 이 이야기를 꾸러미와 함께 기억한다. 유망한 패키지.
2. ELM 앙상블의 최상의 결과 - Acc=0.8+-0.1. 노이즈 예제의 처리는 의무 사항입니다. 노이즈 필터뿐만 아니라 수행할 수 있습니다 . 정확도는 차량의 가장 중요한 품질 지표가 아닙니다. 우리의 작업에는 특정 기간 동안 막대당 평균 보상의 최대값을 갖는 것이 더 중요합니다.
3. 이산화는 이상값 문제를 제거하고 예측 변수와 대상 간의 관계를 보다 선형으로 만듭니다. 그러나 아직 분류 품질이 크게 향상되지 않았습니다. 이 방향으로 계속 파고 있습니다. 많은 새로운 기술이 등장했습니다.
4. 왜 당신이 단순한 숲에 갇혔는지 이해가 되지 않습니다. 이제이 영토는 광범위하게 쟁기질됩니다. 수십 가지의 새로운 RF 변형이 나타났습니다. 마지막 이국적이고 여전히 축축한 것은 gensemble입니다. 노드가 의사 결정 트리가 아니라 모든 모델이 될 수 있는 포리스트.
기성품 솔루션을 시도하십시오. 바퀴를 재발명할 필요가 없습니다. 기성품을 잘 타는 방법을 배우는 것이 좋습니다.
저는 이제 MT5로 Python 통합 패키지를 구현하는 일에 참여하고 있습니다. 불행히도 그들은 R과의 통합을 중단했습니다.
행운을 빕니다
2. ELM 앙상블의 최상의 결과 - Acc=0.8+-0.1. 노이즈 예제의 처리는 의무 사항입니다. 노이즈 필터뿐만 아니라 수행할 수 있습니다 .
자, 여기 xgboost의 결과가 있습니다.
지그재그, 분류, evra 시간별, 노이즈 예제 삭제 없이 , 예측기(pca 및 표시기), 데이터 준비 없음, 모두 일괄 처리
OOS의 오류
그래서 나무도 나쁘지 않은데 노이즈를 빼면...
정확도는 차량의 가장 중요한 품질 지표가 아닙니다. 우리의 작업에는 특정 기간 동안 막대당 평균 보상의 최대값 을 갖는 것이 더 중요합니다.
이것을 대상 변수로 어떻게 표현할 수 있습니까?
3. 이산화는 이상값 문제를 제거하고 예측 변수와 대상 간의 관계를 보다 선형으로 만듭니다. 그러나 아직 분류 품질이 크게 향상 되지 않았습니다. 이 방향으로 계속 파고 있습니다. 많은 새로운 기술이 등장했습니다.
가장 중요한 것은 악화가 없다는 것입니다. 개인적으로 정보 손실 없이 범주형 데이터로 변환하려면 이산화가 필요합니다. 이것은 규칙을 구축하는 데 다시 필요한 모든 것입니다.
4. 왜 당신이 단순한 숲에 갇혔는지 이해가 되지 않습니다.
오히려 결정적인 규칙에 얽매이게 되었어요.. 모델 연구원에 관심이 있는 건 이해 는 되지만 제 영혼은 그 과정 자체에 대한 연구에 있고 거기에 해석 가능성이 필요해요.
당신과 (다른 사람들의 99.9%) 가 시장과 관련하여 하는 "표준 학습"에는 결함이 있습니다.
"표준 훈련"이란 데이터가 행렬 (행은 클래스 레이블이 있는 훈련 세트) 의 형태로 표시되고 이 모델은 행렬 행만 볼 수 있음을 의미합니다.
시장이 이벤트 모델이라고 상상하고 그렇다고 확신한다면 특정 상황을 시뮬레이션해 보겠습니다.
이벤트 1 이면 이벤트 2 이면 이벤트 3 이면 Y == 1
이 규칙을 볼 수 있듯이))) (이것은 내가 규칙에 갇힌 또 다른 답변입니다)
이벤트 1이 며칠 전에 발생하고 이벤트 2가 어제 발생한 경우 어떻게 됩니까?
이벤트 1이 1주일 전과 5분 전에 모두 발생할 수 있고 이는 규칙적이지 않으므로 각 이벤트에서 가장 중요한 것은 이벤트가 올바른 순서로 발생한다는 것입니다.
데이터가 슬라이딩 윈도우 방식을 사용하여 구축된 데이터가 행렬 형태일 때 AMO는 이러한 패턴을 찾지 못할 것입니다.
그것이 내가 말하는 것입니다. 그러나 .. 비정규 시간 범위에서 발생하는 패턴을 어떻게 찾을 수 있습니까?
다음은 이러한 질문에 답할 수 있는 것을 찾으려는 시도입니다.
연관 규칙 검색 - 규칙 패키지
Y가 연관된 규칙을 찾는 것이 가능하며 이러한 규칙이 발생한 순서는 중요하지 않습니다.
규칙 규칙 시퀀스 의 연관 시퀀스 검색
Y가 연관된 규칙을 찾을 수 있지만 이러한 규칙의 순서가 주어집니다.
TraMineR 시퀀스 심층 분석 및 클러스터링
SDEFSR 규칙의 유전적 생성
패키지의 본질은 Y의 예측이 아니라 설명하기 위해 알고리즘은 Y가 나타나기 위해 훈련 행렬에서 어떤 이벤트가 발생해야 하는지 설명하려고 합니다.
이론적으로 이러한 모든 접근 방식은 현재 예측 기능의 잠재력을 크게 확장해야 합니다.
그리고 보시다시피 모두 논리적 규칙을 기반으로 합니다.)
흥미로운 주제. 저는 수학자도 아니고 기계 학습과는 거리가 멀지만 문제를 봅니다. 그리고 해결 방법을 알고 있습니다. 시장이 언제 움직이기 시작할지, 아예 시작하지 않을지, 시작할 때 끝날지, 이 움직임으로 돈을 버는 것이 가능한지 불확실한 경우 자체 학습 시스템을 만드는 것이 불가능합니다. . 작업 모델, 즉 수익성있는 시스템을 구축하는 것이 필요합니다. 그리고 그것을 시작으로 시스템을 비교하고 개선하기 위한 알고리즘을 설정합니다. 나는 이 경로를 따라 간단한 알고리즘을 만들었지만 수동 거래를 위한 것입니다. 흥미롭게도 계정을 1000배 늘리는 방법 주제를 살펴보세요. https://www.mql5.com/ru/forum/330313
지점의 절반을 보았고 요점이 무엇인지 이해하지 못했습니다)
지점의 절반을보고 요점이 무엇인지 이해하지 못했습니다)
단일 실행의 본질은 앙상블과 다른 확률을 가지며 무엇이든 될 수 있습니다.
지점의 절반을 보았고 요점이 무엇인지 이해하지 못했습니다)
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오. 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오. 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시 하고 거래 알고리즘 을 만드십시오.
지점의 절반을 보았고 요점이 무엇인지 이해하지 못했습니다)
책을 반만 읽고도 아무것도 이해하지 못하는 것과 같습니다. 어떤 사람들은 청구서를 수백 번 증액할 수 있었고 나는 반복해서 수십 번 증액할 수 있었고 한 저자는 스레드에서 1000배 증액했다고 썼습니다. 따라서 시장에는 패턴이 있습니다. 작업해야 하는 규칙입니다. https://www.mql5.com/ru/forum/330313
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오 . 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오. 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시하고 거래 알고리즘을 만드십시오.
그게 우리가 여기서 하는 일이지만 다른 수준에서...
다음은 알고리즘의 예입니다 - 의사결정 트리 또는 설계 트리
그것은 무엇입니까?
이것은 논리적 규칙입니다. 이것이 시장의 일부인 특정 영역 의 할당이라고 생각하거나 이것이 시장의 특정 영역에 대한 마이크로 거래 시스템이라고 상상할 수 있습니다. 그런 다음 우리는 더 나아가 많은 규칙 (마이크로시스템) 을 추가하고 때로는 수천 개의 규칙을 하나로 추가합니다. 이것은 이미 포리스트 알고리즘이 될 것입니다.
모든 것이 간단합니다. 전체 시장을 이해하려고 하지 마십시오. 그리고 로봇이 전체 시장에서 이러한 패턴을 찾는 것을 신뢰하지 마십시오. 시장의 일부만 가져가십시오. 그리고 로봇이 시장의 유사한 부분에서만 패턴을 찾도록 신뢰하십시오 . 또는 이러한 패턴을 직접 찾으십시오. 시장에는 수익의 확률이 손실보다 훨씬 더 큰 상황이 있습니다. 따라서 시장에 가지 않는 것이 더 나은 상황이 있습니다. 그리고 이러한 상황의 대부분. 따라서 시장의 이 부분만 취하고 다른 모든 움직임은 무시하고 거래 알고리즘을 만드십시오.
책을 반만 읽고도 아무것도 이해하지 못하는 것과 같습니다. 일부는 청구서를 수백 번 인상했고 나는 반복해서 수십 번 인상했는데 한 저자는 스레드에서 자신이 청구서를 1000배 인상했다고 썼습니다. 따라서 시장에는 패턴이 있습니다. 작업해야 하는 규칙입니다. https://www.mql5.com/ru/forum/330313
명확한 액션알고리즘을 보지 못해서 이해를 못했는데 명확한것도 안보이고 전혀 안보이고 1000% 있는 사진과 글만