Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1606
![MQL5 - Lenguaje de estrategias comerciales para el terminal de cliente MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
en primer lugar, ¿qué regresores fatales? qué tontería, entonces ¿por qué el MGUA se apaga cuando el problema se complica?
En segundo lugar, los datos que di en el ejemplo son los mismos tanto para el MGUA como para el boost.
en tercer lugar, no necesitas hacer nada, ¿no puedes hacer una matriz con cuatro valores aleatorios en python y luego acumularlos? ¿Para comprobar el impulso por ti mismo?
2 líneas de código )))
Me pregunto qué demonios es.
mgua crea variables falsas desde el origen, (dependiendo del kernel que utilices)
el mgua crea variables falsas, (dependiendo del kernel utilizado) una vez más
Olvídate del MSUA, te lo digo yo: crea un conjunto de datos como el mío y ejecuta tu abucheo en él y mira lo que obtienes, SIN MSUA, sólo forrest o lo que quieras. ¿O enviarle el archivo de texto con mis datos?
Olvídate del MSUA, te lo digo yo: crea un conjunto de datos como el mío y ejecuta tu boosting en él y mira lo que obtienes, SIN MSUA, sólo forrest o lo que quieras. ¿O debo enviarle un archivo de texto con mis datos exactos?
si te digo porque el boosting esta mal entrenado ka kusumma tu y mgua es buena. Debido a los falsos regresores, los regresores polinómicos, por ejemplo.
tomar una regresión lineal x en y, añadir x^2, x^3 como falsos regresores, se obtiene una regresión polinómica que se ajusta a la curva
y el bosque no encajará tan bien sólo en la x. Y mgua masifica las variables falsas a escala industrial
Me refiero a la parte técnica. Por eso crees que mgua es genial y que boosting es una mierda. Porque no entiendes cómo usarEugene Buenas tardes, muchas gracias, al menos por el hecho de que seas un practicante y no otro rubbishman de los que hay 95%.... Lo que se hace(probar en la "tercera" muestra) en términos de GMDH se llama "criterio de poder predictivo"http://www.machinelearning.ru/wiki/index.php?title=%D0%9C%D0%93%D0%A3%D0%90#.D0.9A.D1.80.D0.B8.D1.82.D0.B5.D1.80.D0.B8.D0.B9_absolute_noise-immune
Recordemos que las primeras publicaciones sobre GMDH comenzaron en algún momento de la década de 1960 esos "su saber hacer" idea con la pruebaen "tercera" muestra es ya 60 años)))
Pero quiero señalar que el enfoque nunca pasa de moda, por lo que recomiendo encarecidamente la lectura de las obrasde A.G. Ivakhnenko...
Por ejemplo, la regresión MSUA sólo se burla de la regresión del algoritmo moderno de bosque aleatorio y de todo tipo de boostings...
Ahora sobre los enlaces en Telegram... No he encontrado nada allí más que señales, pero es interesante leer su enfoque y su forma de pensar, Dmitry tenía razón al decir que es necesario publicar aquí, aunque de forma abiertamente grosera...
Simplemente digo que he podido entrenar la red neuronal y sus señales en el mercado real confirman que está adecuadamente entrenada.
Se trata de la primera demostración pública de una red que funciona en medio del fracaso general de este tema y la falta de resultados fiables.
Si ha observado las señales, habrá notado que la red reacciona correctamente al mercado. Además, su comportamiento no puede explicarse con nuestras estrategias habituales de negociación ni con la vinculación a los indicadores, al contrario, su comportamiento es a menudo ilógico.
El rendimiento es irrelevante a estas alturas, lo que importa aquí es el hecho de que incluso es posible, y la calidad de la predicción puede mejorarse indefinidamente, es una cuestión de tiempo y equipo.
Si te digo porque el boosting está mal entrenado ka cusumma tú y mgua es buena. Debido a los falsos regresores, polinómicos, por ejemplo.
tomar una regresión lineal x en y, añadir x^2, x^3 como falsos regresores, se obtiene una regresión polinómica que se ajusta a la curva
y el bosque no encajará tan bien sólo en la x. Y mgua masifica las variables falsas a escala industrial
Me refiero a la parte técnica de la pregunta. Por eso crees que mgua es genial y que boosting es una mierda. Porque no entiendes cómo usarsip... lo tengo ))
Pero sigue saliendo bien que los falsos regresores del MGUA
Y el hecho de que Forest no produzca falsos regresores es malo.
Porque MSUA puede manejar los mismos datos "out of the box" y boosting necesita crear estos regresores manualmente... Y lo de crearlos no lo sé, todo depende de los datos
No entiendo esta sutil ironía, ¿qué tiene que ver con GMDH? No he afirmado que esto sea mi saber hacer, es sólo una comprobación rutinaria de resultados.
Simplemente afirmo que he podido entrenar la red neuronal y sus señales en el mercado real confirman que está entrenada adecuadamente.
Se trata de la primera demostración pública de una red que funciona en medio del fracaso general de este tema y la falta de resultados fiables.
Si ha observado las señales, habrá notado que la red reacciona correctamente al mercado. Además, su comportamiento no puede explicarse con nuestras estrategias de negociación habituales ni con la vinculación de los indicadores, sino que, por el contrario, su comportamiento es a menudo ilógico.
La eficacia, a estas alturas no importa, lo que importa es el hecho de que es posible en absoluto, y la calidad de las predicciones se puede mejorar infinitamente, es una cuestión de tiempo y equipo.
Olvida la ironía ))
Las señales en forma de mensajes de texto es de alguna manera difícil de comparar el rendimiento en el mercado, yo estaría feliz de ver el comercio en una forma más visual. De nuevo, ni una sola palabra sobre el algoritmo de acciones para crear el algoritmo de negociación, cuáles son las fichas, cuál es el objetivo, cómo se preprocesan los datos, etc.
¡Max! ¿Has probado a utilizar reglas asociativas para encontrar patrones como el algoritmo arriori o similares?
No importa la ironía ))
Las señales en forma de mensajes de texto son difíciles de comparar el rendimiento en el mercado, me gustaría ver el comercio en una forma más visual. Estaría encantado de ver los resultados de las operaciones en una forma visual. Y de nuevo ni una sola palabra sobre el algoritmo de acciones para crear el algoritmo de negociación, lo que los chips son, lo que es el objetivo, cómo los datos son preprocesados y así sucesivamente.
1) sólo M1 tf, porque las predicciones no están vinculadas a los plazos,
2) el indicador tendrá que solicitar la información vía sockets a mi servidor, porque es irreal ejecutar tensorflow en el cliente.
3) Ahora el cálculo de todos los modelos de cada vela tarda 12-13 segundos, la próxima vez será mucho más largo, tendré que quedarme sin hardware...
La segunda opción - para tratar de hacer un indicador en tradingview, pero no es seguro que pine soporta websockets. No hay otras opciones, dibujar gráficos con carácter retroactivo - nadie lo creerá.
En cuanto al algoritmo y demás, estoy dispuesto a responder a cualquier pregunta, excepto la lógica de la selección de datos de entrada para el entrenamiento.
Sí, la visualización es necesaria. Las señales están torcidas. Hay una idea para hacer un indicador de tipo AO - bajo cada vela hay una barra con fuerza de predicción por encima y por debajo de cero. Pero hay problemas:
1) sólo M1 tf, porque las predicciones no están vinculadas a los plazos,
2) el indicador tendrá que solicitar la información vía sockets a mi servidor, porque es irreal ejecutar tensorflow en el cliente.
3) Ahora el cálculo de todos los modelos de cada vela tarda 12-13 segundos, la próxima vez será mucho más largo, tendré que quedarme sin hardware...
La segunda opción - para tratar de hacer un indicador en tradingview, pero no es seguro que pino apoya web-sockets. No hay otras opciones, dibujar gráficos con carácter retroactivo - nadie lo creerá.
En cuanto al algoritmo y demás, estoy dispuesto a responder a cualquier pregunta, excepto la lógica de la selección de datos de entrada para el entrenamiento.
Es difícil preguntar algo aquí, todo empieza con el preprocesamiento de los datos, y de eso no se quiere hablar... (
OK... Me pregunto
1. ¿Funciona el algoritmo con las monedas?
2. ¿Construye la previsión para una longitud fija de n velas o la red decidirá por sí misma hasta dónde llega?
3. Por qué tarda tanto en procesar la señal 12-13 segundos por vela
4. ¿Por qué quiere difundir los acuerdos públicamente?
5. para las predicciones, utilice datos en forma de función (precio, indicador) o algo más complicado.
la mejor visualización es el trato
Sip... lo tengo ))
Pero sigue saliendo bien que se produzcan falsos regresores del MSUA
Y el hecho de que Forest no produzca falsos regresores es malo.
Porque con los mismos datos que MSUA puede manejar "out of the box" y boosting necesita crear estos regresores manualmente ... No sé cuáles crear, todo depende de los datos
hay librerías especiales separadas para generar características ficticias y luego puedes añadirlas al listado.
mgua es un algoritmo débil que utiliza la regresión ordinaria, por lo que genera torpezas desde el principio