L'Apprentissage Automatique dans le trading : théorie, modèles, pratique et trading algo - page 1037
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Il y en a un en interne.
Bonjour !
Quelqu'un connaît-il un exportateur de devis intelligent de mt4 vers un fichier txt ou csv ?
en modetemps réel.
........
Mais merci quand même.
P.S. J'ai reçu de l'aide de bonnes personnes.
non pas quelque chose, mais une contrepartie beaucoup plus compliquée et inefficace
et lui-même ne peut pas expliquer complètement ce qu'il a foiré et pourquoi :)
Il est difficile de dire ce qu'il y a, votre article FORÊT DE DÉCISIONS AÉROPORTUAIRES DANS LA FORMATION
Je l'ai étudié hier soir, bien sûr il n'y a pas beaucoup d'informations, mais j'ai été très impressionné par l'exemple... Je n'aurais probablement pas dû poster l'exemple ! J'ai passé la moitié de la nuit à regarder les photos du testeur, c'est incroyable ! )))
Si je suis sérieux, l'apprentissage automatique en lui-même semble fonctionner, mais le problème réside dans les données d'entrée - la machine doit apprendre différentes parties des données de prix, séparément pour les mouvements plats ou latéraux, séparément pour les mouvements de tendance, et l'idée de choisir les paramètres des indicateurs ne me plaît toujours pas - le marché change constamment et les paramètres des indicateurs choisis sont le même jeu - deviner ou deviner.
dans un premier temps, c'est-à-dire pour apprendre à la voiture, par exemple, que si c'était un jour de tendance, alors ce sera une tendance latérale - laissez la voiture apprendre à identifier ce moment au moins - c'est du véritable apprentissage automatique.
alors c'est comme ça
il est difficile de dire ce qui existe, votre article FORÊT DE DÉCISIONS AÉRIENNES DANS LA FORMATION AVEC CONNEXION
Je l'ai étudié hier soir, pas beaucoup d'informations, bien sûr, mais j'ai été très impressionné par l'exemple... Je n'aurais probablement pas dû poster l'exemple ! J'ai passé la moitié de la nuit à regarder les photos du testeur, c'est incroyable ! )))
Si je suis sérieux, l'apprentissage automatique en lui-même semble fonctionner, mais le problème réside dans les données d'entrée - la machine doit apprendre différentes parties des données de prix, séparément pour les mouvements plats ou latéraux, séparément pour les mouvements de tendance, et l'idée de choisir les paramètres des indicateurs ne me plaît toujours pas - le marché change constamment et les paramètres des indicateurs choisis sont le même jeu - deviner ou deviner.
dans un premier temps, c'est-à-dire pour apprendre à la voiture, par exemple, que si c'était un jour de tendance, alors ce sera une tendance latérale - laissez la voiture apprendre à identifier ce moment au moins - c'est du véritable apprentissage automatique.
comme ceci
il y a un lien vers un livre entier pour plus de détails :)
non pas quelque chose, mais une contrepartie beaucoup plus compliquée et inefficace
Et lui-même ne peut pas expliquer complètement ce qu'il a foiré et pourquoi :)
Je ne vois pas l'intérêt d'expliquer quelque chose à quelqu'un qui a réussi à confondre le seuil d'une certaine modification avec le paramètre R d'AlgLib qui, en fait, ne fait que diviser l'échantillon en deux parties, l'une pour l'enseignement et l'autre pour le test.
Profit et "analogique inefficace" sont toujours associés.
J'ai modifié la forêt à partir d'AlgLib, de sorte qu'elle compte les prédicteurs impliqués. Je ne veux pas divulguer la liste des prédicteurs, car "ils ne le méritent pas encore", mais le nombre est sauvé.
Je ne vois pas l'intérêt d'expliquer quoi que ce soit à quelqu'un qui a réussi à confondre la valeur seuil d'une certaine modification avec le paramètre R d'AlgLib, qui en fait ne fait que diviser l'échantillon en échantillon à enseigner et échantillon à tester.
Profit et "analogique inefficace" vont de pair après tout.
J'ai modifié la forêt d'AlgLib, pour qu'elle garde le compte des prédicteurs impliqués. Je ne veux pas révéler la liste des prédicteurs elle-même, car "je ne la mérite pas encore", mais le nombre est enregistré.
49
Personne ici ne vous comprend, y compris moi. Puisque vous savez comment écrire du code mais que vous ne pouvez pas exprimer vos pensées en lettres
Quelle valeur seuil et r, je n'ai rien écrit du tout.
Pourquoi poster la bibliothèque sans description, et ensuite écrire que "je ne la mérite pas" ?
Je ne vois pas l'intérêt d'expliquer quoi que ce soit à quelqu'un qui a réussi à confondre la valeur seuil d'une certaine modification avec le paramètre R d'AlgLib, qui en fait ne fait que diviser l'échantillon en échantillon à enseigner et échantillon à tester.
Profit et "analogique inefficace" se combinent cependant.
J'ai modifié la forêt d'AlgLib, pour qu'elle compte les prédicteurs impliqués. Je ne veux pas révéler la liste des prédicteurs elle-même, car "ils ne le méritent pas encore", mais le nombre est sauvegardé.
Auriez-vous par hasard modifié la forêt pour permettre d'y élaguer les arbres ? Il serait intéressant d'essayer.
Maxim Dmitrievsky:
ce que seuil valeur et r, je ne vous ai pas écrit une telle chose du tout
La forêt ne donne pas de probabilités d'appartenance à une classe, donc ces inégalités n'ont aucun sens.
>< 0.5 et c'est tout, il n'y a pas d'autre moyen. Et puis il y a la question de savoir ce qui est le mieux - des signes et des résultats binarisés ou non.
on peut diviser les classes de 0 à 100, il n'y a aucune différenceAh, oui.
Le résultat de tous les algorithmes de classification inclus dans le paquet ALGLIB est un vecteur de probabilités conditionnelles, et non une classe à laquelle l'objet appartient.
Mais ce n'est pas une grande consolation. Il y aura moins de signaux et pas nécessairement plus de résultats. Pour moi, par exemple, ce n'était pas le cas. Je fixe un seuil de 0,5 partout maintenant.
Ce qui est plus important, c'est la comparabilité des erreurs sur le train et l'oob.
je crois que j'ai aussi un algib)
Et puis j'ai réalisé que le "seuil" est nommé paramètre R d'AlgLib.
La lecture du code source est bien plus importante que celle d'articles théoriques. Le programmeur doit lire le code source dont dépend l'implémentation du programme.
Qu'en est-il des messages précédents ?
J'ai d'abord pensé qu'on utilisait des modifications, qui sont nombreuses. Il est vrai que le concept de "poids" y est utilisé, et non celui de "seuil". Bien mélangé... Mais alors ceci :
Et puis j'ai réalisé que le "seuil" est le paramètre R d'AlgLib.
La lecture des sources apporte bien plus que la lecture d'articles théoriques. Le programmeur est obligé de lire les sources, dont dépend l'exécution du programme.
J'ai donné une citation du site Web d'AlgLib :
"le résultat de tous les algorithmes de classification inclus dans le paquet ALGLIB n'est pas la classe à laquelle l'objet appartient, mais un vecteur de probabilités conditionnelles".
c'est-à-dire confirmer vos propos selon lesquels la sortie est constituée de probabilités. Ce sont bien sûr des pseudo-probabilités, mais quand même. Je n'ai pas étudié en détail comment elles sont comptées, mais logiquement le mot "probabilités" n'y a qu'un seul nom.
Auriez-vous par hasard modifié la forêt pour pouvoir y élaguer les arbres ? Il serait intéressant de faire un essai.
J'ai cité le site web d'ALGLIB :
"le résultat de tous les algorithmes de classification inclus dans le paquet ALGLIB n'est pas la classe à laquelle l'objet appartient, mais un vecteur de probabilités conditionnelles".