Ein toller Artikel mit vielen neuen Ideen. Mir gefällt die Art und Weise, wie Sie Python für MT5 integrieren. Dieser Artikel ist eine grundlegende Referenz, um Datenmanipulation, Charting und Modellierung in Python zu demonstrieren.
Ein toller Artikel mit vielen neuen Ideen. Mir gefällt die Art und Weise, wie Sie Python für MT5 integrieren. Dieser Artikel ist eine grundlegende Referenz, um Datenmanipulation, Charting und Modellierung in Python zu demonstrieren.
Vielen Dank für Ihre freundlichen Worte, ich freue mich, dass Sie den Artikel gerne gelesen haben. Und ich freue mich darauf, in Zukunft weitere neue Erkenntnisse mit Ihnen zu teilen.
Awesome danke, gut erklärt und klare Anweisungen, gehen, um zu sehen, wenn ich Ihre umfassende Anleitung folgen können, danke für die Ideen.
Great stuff war in der Lage, Demo acct (nur eine Teilmenge von Symbolen dort erwarten, dass die Demo-Konto ist) versucht, eine, die es AUDHKD war aber stecken in Uneinigkeit Problem Zeile 204 zu verbinden,
ValueError: mindestens ein Array oder ein dtype ist erforderlich
versucht mit NZDCNH scheint es durch einige Iterationen zu funktionieren, aber scheitert in der sklern\multiclass in Zeile 167 mit einem datahandling
debug sagt mir valueError in Zeile 204 one array or dtype is required - vielleicht muss ich meine Demoumgebung überprüfen, da ich sie erst heute erstellt habe :)
beim Standard Boom1000 Index ist das Problem in Zeile 100 mit Datum und Uhrzeit. raise KeyError(key)
KeyError: 'time' . Möglicherweise ein Problem, da meine Zeitzone Neuseeland ist.
Ich habe heute keine Zeit zum Testen, werde es morgen wieder versuchen.ValueError: mindestens ein Array oder ein dtype ist erforderlich
versucht mit NZDCNH scheint es durch einige Iterationen zu funktionieren, aber scheitert in der sklern\multiclass in Zeile 167 mit einem datahandling
debug sagt mir valueError in Zeile 204 one array or dtype is required - vielleicht muss ich meine Demoumgebung überprüfen, da ich sie erst heute erstellt habe :)
beim Standard Boom1000 Index ist das Problem in Zeile 100 mit Datum und Uhrzeit. raise KeyError(key)
KeyError: 'time' . Möglicherweise ein Problem, da meine Zeitzone Neuseeland ist.
Ich habe heute keine Zeit zum Testen, werde es morgen wieder versuchen.Hallo Linfo, ich hoffe, das hilft:
1) Die Spalte "time" war der Name, den mein Broker einem UNIX-Zeitstempel gab, der jede der Zeilen in den von mir abgerufenen Daten markiert. Vielleicht verwendet Ihr Broker stattdessen einen anderen Namen, wie z. B. "Datum". Überprüfen Sie den Datenrahmen, den Sie nach dem Aufruf von copy_rates_range erhalten. Die Tatsache, dass Sie einen "KeyError" erhalten, könnte bedeuten, dass entweder der Datenrahmen völlig leer ist oder dass es keine Spalte mit dem Namen "time" gibt, die auf Ihrer Seite wahrscheinlich einen anderen Namen hat.
2) Validieren Sie die Ausgabe von copy_rates_range, nach dem, was Sie beschrieben haben, denke ich, dass die Dinge dort auseinanderfallen. Überprüfen Sie die Spaltennamen der Daten, die nach dem Aufruf an Sie zurückgegeben werden.
Wenn diese Schritte nicht funktionieren, lassen Sie es mich wissen.
Vielen Dank für die prompte Rückmeldung und den Rat.
Ich aktualisiere hier, da es für andere nützlich sein könnte. Meine Probleme ;
1) Ich habe ein neues Demo-Konto eingerichtet, um dies zu testen und nicht alle Währungen waren verfügbar, um dies zu lösen, indem Sie das Konto öffnen und sicherstellen, dass die Währungen, die Sie wollen, aktiv sind (goldfarben)
2) Es gab keinen Boom1000 Index (Daten), der mir vom Server zur Verfügung gestellt wurde, es war in der Liste, aber ich nicht gegen mein Konto (stellen Sie sicher, dass Sie den Standard ändern, um etwas zu sein, auf das Sie Zugriff haben und das kann ein Ergebnis geben).
3) Bei mir wurden die Interpretationsergebnisse nicht in std python angezeigt, ich konnte sie nur mit installiertem anaconda zum Laufen bringen (es wäre einfacher gewesen, wenn ich es zuerst installiert hätte).
Nach diesem Schluckauf war die Dokumentation klar und hilfreich, ich bin immer noch dabei, die Ergebnisse zu verdauen, so dass ich mich noch nicht mit der mql5-Seite beschäftigt habe.
Nochmals vielen Dank für die Veröffentlichung und ich freue mich darauf, den Prozess besser zu verstehen. Mit freundlichen Grüßen Neil
2) Es gab keinen Boom1000 Index (Daten), der mir vom Server zur Verfügung gestellt wurde, er war zwar in der Liste, aber nicht auf meinem Konto (stellen Sie sicher, dass Sie die Voreinstellung so ändern, dass Sie Zugriff darauf haben und das kann ein Ergebnis liefern).
3) Bei mir wurden die Interpretationsergebnisse nicht in std python angezeigt, ich konnte sie nur mit anaconda zum Laufen bringen (es wäre einfacher gewesen, wenn ich es zuerst installiert hätte).
Nach diesem Schluckauf war die Dokumentation klar und hilfreich, ich bin immer noch dabei, die Ergebnisse zu verdauen, so dass ich mich noch nicht mit der mql5-Seite beschäftigt habe.
Nochmals vielen Dank für die Veröffentlichung und ich freue mich darauf, den Prozess besser zu verstehen. Mit freundlichen Grüßen Neil
Es freut mich zu sehen, dass Sie wesentliche Fortschritte machen, Neil.
Überraschenderweise steht der wichtigste Satz für das Verständnis des Materials ganz am Ende des Artikels:
текущие реализации моделей стеклянного ящика основаны на деревьях решений

- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Neuer Artikel Bauen Sie Ihr erstes Modell einer Glass-Box mit Python und MQL5 :
Modelle des maschinellen Lernens sind schwer zu interpretieren, und das Verständnis dafür, warum unsere Modelle von unseren Erwartungen abweichen, ist von entscheidender Bedeutung, wenn wir einen Nutzen aus dem Einsatz dieser fortschrittlichen Techniken ziehen wollen. Ohne einen umfassenden Einblick in das Innenleben unseres Modells könnten wir Fehler nicht erkennen, die die Leistung unseres Modells beeinträchtigen, wir könnten Zeit mit der Entwicklung von Funktionen verschwenden, die nicht vorhersagbar sind, und langfristig riskieren wir, die Leistungsfähigkeit dieser Modelle nicht voll auszuschöpfen. Glücklicherweise gibt es eine ausgeklügelte und gut gewartete Komplettlösung, mit der wir genau sehen können, was unser Modell unter seiner Haube macht.
Die Algorithmen der Glass-Box (Glaskasten) sind Algorithmen des maschinellen Lernens, die völlig transparent und von Natur aus verständlich sind. Sie widerlegen die gängige Meinung, dass es beim maschinellen Lernen einen Kompromiss zwischen Vorhersagegenauigkeit und Interpretierbarkeit gibt, da sie ein unvergleichliches Maß an Genauigkeit und Transparenz bieten. Das bedeutet, dass sie im Vergleich zu den uns vertrauten Black-Box-Alternativen exponentiell einfacher zu debuggen, zu warten und iterativ zu verbessern sind. Black-Box-Modelle sind alle Modelle des maschinellen Lernens, deren Innenleben komplex und nicht leicht zu interpretieren ist. Diese Modelle können hochdimensionale und nichtlineare Beziehungen darstellen, die für uns Menschen nicht leicht zu verstehen sind.
Als Faustregel gilt, dass Black-Box-Modelle nur in Szenarien verwendet werden sollten, in denen ein Glass-Box-Modell nicht das gleiche Maß an Genauigkeit liefern kann. In diesem Artikel werden wir ein Glass-Box-Modell erstellen und die potenziellen Vorteile des Einsatzes von Glass-Boxen verstehen. Wir werden 2 Möglichkeiten zur Steuerung unseres MetaTrader 5-Terminals mit unserem Glass-Box-Modell untersuchen:
Autor: Gamuchirai Zororo Ndawana