Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 264
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Entschuldigung, ich war abgelenkt...
Hier sind die Daten https://drop.me/aGE2kB
Ich habe keine Bearbeitungen vorgenommen, weil ich keine Zeit hatte, bis jetzt ist das Glas nur delta, einige Tage mit Auslassungen, aber als Test wird es reichen
Ich weiß nicht, ob diese Vorträge für jeden nützlich sind, aber sie sind wahrscheinlich gut für die allgemeine Entwicklung und einfach interessant.
Zeitreihenprognosen:
https://www.youtube.com/watch?v=u433nrxdf5k
Merkmalstransformationen:
https://www.youtube.com/watch?v=U1QYrGj6Ztg
Am Ende des Videos über die Merkmalstransformation erwähnt der Dozent eine interessante Dimensionalitätsreduktionsmethode, die z. B. zur Bewertung der Klassentrennbarkeit verwendet werden kann. Diese Methode(t-SNE) gilt als fortschrittlicher als PCA und ist bemerkenswert
Ich habe verglichen, wie die Downsampling-Methoden aufgeteilt sind
Und in der Tat schneidet die Methode im Vergleich zu anderen gut ab.
Daten und Code können aus diesem Artikelhttp://biostat-r.blogspot.com/2016/05/pca-mds-t-sne.html entnommen werden.
Methodenpakete : tsne, Rtsne
der letzte ist schnell und in C++ geschrieben
Ich habe es noch nicht mit Marktdaten ausprobiert...
Dr.Trader erinnern Sie sich, dass Sie sagten, Sie wüssten nicht, wie scale() funktioniert? Ich habe es herausgefunden )))
# аналог
(x - mean(x)) / sd(x)
Ich weiß nicht, ob diese Vorträge für jeden nützlich sind, aber sie sind wahrscheinlich gut für die allgemeine Entwicklung und einfach interessant.
Zeitreihenprognosen:
https://www.youtube.com/watch?v=u433nrxdf5k
Merkmalstransformationen:
https://www.youtube.com/watch?v=U1QYrGj6Ztg
Verstehe, das erklärt, warum ich das Ergebnis in 0...1 haben wollte, es aber in verschiedenen Grenzen für jede Spalte erhielt.
Entschuldigung, ich war abgelenkt...
Hier sind die Daten https://drop.me/aGE2kB
Habe keine Bearbeitungen vorgenommen, da ich keine Zeit hatte, bisher ist das Glas nur delta, einige Tage mit Auslassungen, aber als Test wird es reichen
Ich weiß nicht, ob diese Vorträge für jeden nützlich sind, aber sie sind wahrscheinlich gut für die allgemeine Entwicklung und einfach interessant.
Zeitreihenprognosen:
https://www.youtube.com/watch?v=u433nrxdf5k
Ja, es gibt interessante Punkte, z. B. die Überprüfung der Residuen und die programmatische Anpassung.
Aber es ist seltsam, dass die Person zuerst sagt "Validierung ist unverzichtbar" und dann "wenn ein Teil der Geschichte die Modellanpassung stört - einfach abschneiden".
Hallo zusammen!
1) Zu t-SNE: Es hat nicht mit Marktdaten funktioniert.
2) Ich habe ein Paket mit bereits implementierten Candlestick-Mustern gefunden, Sie können es wie folgt installieren:
Ich würde gerne damit herumspielen, aber es ist so, dass ich nicht ernsthaft mit xts-Daten in Berührung gekommen bin, wie übersetze ich meine Anführungszeichen in das richtige Format?
meine Daten
X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117 204000 115420 115440 115400 115400 314
385328 20170117 204500 115400 115440 115370 115410 559
385329 20170117 205000 115410 115440 115380 115420 475
385330 20170117 205500 115410 115510 115360 115470 1745
385331 20170117 210000 115470 115490 115430 115440 607
385332 20170117 210500 115440 115490 115420 115470 453
[1] "data.frame"
Ich brauche das xts-Format
RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00 119060 119060 118480 118620 12191
2017-01-30 10:05:00 118610 118620 118260 118320 13219
2017-01-30 10:10:00 118320 118470 118230 118250 8519
2017-01-30 10:15:00 118240 118260 118080 118120 11010
2017-01-30 10:20:00 118110 118160 117930 117980 8108
2017-01-30 10:25:00 117980 118100 117910 118020 5544
[1] "xts" "zoo"
Hallo zusammen!
1) Zu t-SNE: Es hat nicht mit Marktdaten funktioniert.
2) Ich habe ein Paket mit bereits implementierten Candlestick-Mustern gefunden, Sie können es wie folgt installieren:
Ich würde gerne damit herumspielen, aber es ist so, dass ich nicht ernsthaft mit xts-Daten in Berührung gekommen bin, wie übersetze ich meine Anführungszeichen in das richtige Format?
meine Daten
X.DATE. X.TIME. X.OPEN. X.HIGH. X.LOW. X.CLOSE. X.VOL.
385327 20170117 204000 115420 115440 115400 115400 314
385328 20170117 204500 115400 115440 115370 115410 559
385329 20170117 205000 115410 115440 115380 115420 475
385330 20170117 205500 115410 115510 115360 115470 1745
385331 20170117 210000 115470 115490 115430 115440 607
385332 20170117 210500 115440 115490 115420 115470 453
[1] "data.frame"
Ich brauche das xts-Format
RIH7.Open RIH7.High RIH7.Low RIH7.Close RIH7.Volume
2017-01-30 10:00:00 119060 119060 118480 118620 12191
2017-01-30 10:05:00 118610 118620 118260 118320 13219
2017-01-30 10:10:00 118320 118470 118230 118250 8519
2017-01-30 10:15:00 118240 118260 118080 118120 11010
2017-01-30 10:20:00 118110 118160 117930 117980 8108
2017-01-30 10:25:00 117980 118100 117910 118020 5544
[1] "xts" "zoo"