Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 1920

Nuevo comentario
 
Aleksey Vyazmikin:

Así que me preguntaba si podría dividir esta muestra en estas islas y hacer el entrenamiento del modelo dentro de ellas.

por lo que hay que aplicar el clustering de kmeans o algo más fresco, espera

ejecutarlo

km <- kmeans(um$layout, centers = 4)

que es el número de racimos que quieres encontrar

y ahora

as.factor(km$cluster)

ponerlo en lugar de objetivo


aquí

 

lo hermoso que se ha vuelto, las fotos.

¡Es increíble!

sigan adelante señores, observando el proceso muy de cerca

 
mytarmailS:

Así que hay que aplicar el clustering de kmeans o algo más fresco, espera un momento.

ejecutarlo

¿Cuántas agrupaciones quiere encontrar?

y ahora

ponerlo en lugar de objetivo


aquí

Lo estoy haciendo mal :(

> way <- "F:\\FX\\R\\2020_04_11_Pred_New_Full\\Pred_New_Fu ..." ... [TRUNCATED] 

> dt <- read.csv(file = way,header = T,sep = ";") #  читаем файл

> target <- dt$Target_100 #  целевую в отдельную переменную

> #target <- km$cluster #  целевую в отдельную переменную
> 
> dt <- dt[, ! colnames(dt)  %in% 
+            #            c("Target_100_Buy","Target_100 ..." ... [TRUNCATED] 

> km <- kmeans(um$layout, centers = 4)           

> #  роскоментируем и Устанавливаем нужные пакеты после чего эту строку можно удалить
> #install.packages(c("rgl", "car" , "umap"))
> 
> 
> 
> #  про um .... [TRUNCATED] 

> um <- umap(dt,n_components=3)   

> #  n_components=3  во сколько измерений уменьшаем данные, можно 100 можно 1
> #  можно 333, но нам для 3 д надо трех мерное пространство поетому у нас  .... [TRUNCATED] 

> #тут  все настройки по пакету  car
> #  http://www.sthda.com/english/wiki/amazing-interactive-3d-scatter-plots-r-software-and-data-visualization
> lib .... [TRUNCATED] 

> target <- as.factor(target)  #   target нужен для того чтобы окрасить точки в цвет целевой

> scatter3d(x = um.res[,1], 
+           y = um.res[,2], 
+           z = um.res[,3],
+           #groups = target,
+           groups = km$cluster,
+ .... [TRUNCATED] 
Error in scatter3d.default(x = um.res[, 1], y = um.res[, 2], z = um.res[,  : 
  groups variable must be a factor
 
Aleksey Vyazmikin:

Lo estoy haciendo mal :(

scatter3d(x = um.res[,1], 
+           y = um.res[,2], 
+           z = um.res[,3],
+           #groups = target,
+           groups = km$cluster,

No puedes comentar los argumentos de una función.

 
mytarmailS:

esto está fuera, no se puede comentar el código dentro de los argumentos de la función

Vaya, lo sacó y lo hizo como en la captura de pantalla.

scatter3d(x = um.res[,1], 
          y = um.res[,2], 
          z = um.res[,3],
          groups = as.factor(km$cluster),
          grid = FALSE, 
          surface = FALSE,
          ellipsoid = FALSE,
            bg.col = "black")

mientras piensa.

 
Aleksey Vyazmikin:

mientras piensa.

interesante))

 
mytarmailS:

interesante sobre qué))


Aquí hay una idea, ¿esto significa que se ha logrado dividir en 4 grupos?

Ahora, ¿cómo guardo la partición de la línea a cada clúster?

 
Aleksey Vyazmikin:

Una idea, ¿significa eso que ha conseguido dividirse en cuatro grupos?

Sí

Aleksey Vyazmikin:

Ahora, ¿cómo se guarda la partición de la línea a cada clúster?

guardar el modelo umap

guardar el modelo kmeans

y eso es todo.



Ponerellipsoid = TRUE

debería funcionar bien

 
mytarmailS:

Sí

Es interesante, intentaré aprender los modelos por separado y ver qué pasa.


mytarmailS:

guardar el modelo umap

guardar el modelo kmeans

y luego...

¿Puede ser más específico?

Necesito ahorrar:

1. Reglas para la partición en clusters en una forma legible que puede ser codificada en MQL.

2. Disposición en grupos de líneas en el archivo csv

¿Cómo hacerlo?

 
Aleksey Vyazmikin:


1. Reglas de partición del clúster en una forma legible para ser codificada en MQL


No entiendo, ¿quieres obtener los desgloses resultantes en reglas para transferirlos a mql?

1...191319141915191619171918191919201921192219231924192519261927...3399
Nuevo comentario