L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 38

Nuovo commento
 
Yury Reshetov:

A giudicare dal fatto che Dr.Trader ha già fallito quando ha cercato di fare il porting della vecchia versione di libVMR su R e mancava la memoria per una grande macchina nucleare, così come la piena performance per una piccola (ha ridotto il numero di cicli di 100 volte), è improbabile che ci siano persone disposte a pestare lo stesso rastrello?


Quindi, è meglio non dire una parola sul porting di questi compiti in R, perché questo aggeggio non prenderà piede.

Solo una conoscenza molto superficiale della R permetterebbe di parlare di "ronzini".

Certo, mettiamo R e vediamo un interprete di stringhe di caratteri. Se si va più a fondo, si può vedere il bytecode, ma non risolve nessuno dei problemi dell'interprete per quanto riguarda l'efficienza. Non c'è nemmeno qualcosa da discutere - ronzino.

Ma se ci si addentra un po' nei pacchetti R, si vede rapidamente che ciò che si vede nel codice R si riferisce ad altro codice. E se cominciate a indagare, vedrete che per gli algoritmi computazionalmente intensivi R usa sempre pacchetti di terze parti, che sono stati scelti in base al principio della massima efficienza. Queste sono di solito librerie C o Fortran.

O, per esempio, le operazioni di matrice. Considerando che R non ha la nozione di scalare e tutto inizia con i vettori e l'aritmetica matriciale è completamente naturale per R, la questione di usare una libreria appropriata che NON sia scritta in R è una questione di principio. Viene utilizzata la Intel Math Kernel Library.

Per aggiungere questo, mettere in parallelo i calcoli non solo a tutti i core del proprio computer, ma anche ai computer vicini, è un'operazione comune in R.

Quindi, cosa è "assillante" e cosa no è una grande domanda.

PS.

Non dovete portare nulla in R, dovete solo imparare la matematica. R ha tutto ciò di cui avete bisogno e molto di più.

 
c'è una retribuzione per i post? :)
 
mytarmailS:

domanda: come faccio a dare alle nuove colonne il nome "a_minus_b"? , "a_minus_c"

a <- 1:5
b <- 6:10
c <- 11:15
d <- 16:20
dt <- data.frame(a,b,c,d)

res.dt <- data.frame(matrix(nrow=nrow(dt), ncol=0))

for(i in 1:(ncol(dt)-1)){
        for(j in (i+1):ncol(dt)){
                colname <- paste0(colnames(dt)[i], "_minus_", colnames(dt)[j])
                res.dt[, colname] <- dt[, i] - dt[,j]
        }
}
res.dt

Saremo pagati per i post dal forex stesso :) Se si leggono tutte le 38 pagine e si prova nella pratica e si combinano tutte le conoscenze, allora penso che si possa fare un EA funzionante.

 
SanSanych Fomenko:
Potrebbe per favore confutare PROPRIO il contenuto dell'articolo che ho linkato. A questo punto ilDr.Trader: ha tentato di utilizzare questo materiale. Per usarlo in modo specifico. Il risultato è negativo. Forse anche tu puoi dare un'opinione sull'argomento?

Mi scuso per essere fuori tema.
SanSanych, in che lingua pensi?
Il tuo post sembra un traduttore di Google. Rispettate la lingua russa, per favore.

PS se vuoi essere capito...

 
Evento:

Mi scuso per essere fuori tema.
SanSanych, in che lingua pensi?
Il tuo post sembra un traduttore di Google. Rispettate la lingua russa, per favore.

PS se vuoi essere capito...

È tutta la vita che lo dico... Sei il primo...

Se non capisci qualcosa, sono pronto a spiegarti.

 
SanSanych Fomenko:

È tutta la vita che lo dico... Sei il primo...

Se non capisci, sono pronto a spiegarti.

Non c'è bisogno di spiegare. Qualcuno deve essere il primo))

 
Dr.Trader:

Saremo pagati dal forex stesso per i nostri post :) Ognuno sa e conosce qualcosa di diverso, e se si leggono tutte le 38 pagine e si prova nella pratica, e si combinano tutte le conoscenze - penso che si possa fare un EA funzionante.

Grazie mille!

Bp. questa idea ordinata di un doppio ciclo ha bisogno di più lavoro)

 

Fatto una descrizione per il classificatore binario jPrediction, postato il codice sorgente.

Tabella dei contenuti:

  1. Caratteristiche principali.
  2. Esecuzione di jPrediction
  3. Come creare un modello matematico di un classificatore binario in jPrediction
  4. Salvare il modello in un file
  5. Riduzione - rimozione delle caratteristiche non informative dal modello
  6. Caricare e utilizzare il modello per la classificazione degli oggetti
  7. Appendice
    1. Campioni aggiuntivi per la classificazione binaria
    2. Formato file CSV per jPrediction

Testo completo nell'archivio allegato (formato PDF)

jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
  • yury-reshetov.com
Основные характеристики Запуск jPrediction Как создать математическую модель бинарного классификатора в jPrediction Сохранение модели в файл Редукция - удаление неинформативных признаков из модели Загрузка и использование модели для классификации объектов Приложение Дополнительные выборки для бинарной классификации Формат CSV файлов для...
File:
Reshetov_150.zip  2217 kb
 
Yury Reshetov:

Fatto una descrizione per il classificatore binario jPrediction, pubblicato il codice sorgente.


Ciao Yuri, grazie per il tuo duro lavoro!

1) Può spiegare più dettagliatamente cosa significa

  • La sensibilità è la sensibilità del modello in percentuale.
  • Specificità - la specificità del modello in percentuale

2) Se ho un computer debole quanto tempo impiegherà il modello per imparare il modello su un campione di 300 predittori e 100.000 osservazioni

(Sarebbe bello sostituire la scritta "si prega di attendere" con il calcolo del progresso dell'allenamento in % o qualcosa del genere, per non aspettare 100 anni fino al completamento)

3) E la "R"?

 
mytarmailS:

Ciao Yuri, grazie per il tuo duro lavoro!

1) Puoi spiegare più dettagliatamente cosa significa

  • Sensibilità - è la sensibilità del modello in percentuale
  • Specificità - la specificità del modello in percentuale

Sensibilità della capacità di generalizzazione - prevedere correttamente gli esiti positivi sul campione di prova: 100% * TP / (TP + FP)

Specificità della capacità di generalizzazione - prevedere correttamente gli esiti negativi sul campione di prova: 100% * TN / (TN + FN)

dove:

TP - numero di veri risultati positivi

TN - numero di veri negativi

FP - numero di falsi positivi

FN - numero di falsi negativi

mytarmailS:

2) Se ho un computer debole quanto tempo ci vorrà per addestrare il modello su un campione di 300 predittori e 100 000 osservazioni

3) E la "R"? Non lo farà?

Non imparerà affatto, ma darà un messaggio di errore se il numero di predittori nel campione supera i 10 pezzi.

mytarmailS:

3) E la "R"?


Se sei così disperato, installa il pacchetto gJava. Chiamare il codice Java da R

Calling Java code from R
Calling Java code from R
  • 2011.01.01
  • View all posts by darrenjw
  • darrenjw.wordpress.com
In the previous post I looked at some simple methods for calling C code from R using a simple Gibbs sampler as the motivating example. In this post we will look again at the same Gibbs sampler, but now implemented in Java, and look at a couple of options for calling that code from an R session. Stand-alone Java code Below is some Java code for...
1...313233343536373839404142434445...3399
Nuovo commento