L'apprendimento automatico nel trading: teoria, modelli, pratica e algo-trading - pagina 1921
![MQL5 - Linguaggio delle strategie di trading integrato nel client terminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
Ti stai perdendo delle opportunità di trading:
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Registrazione
Accedi
Accetti la politica del sito e le condizioni d’uso
Se non hai un account, registrati
Non capisco, volete ottenere le pro-forma risultanti nelle regole da trasferire a mcule?
Naturalmente, altrimenti come potrei applicare il modello dopo? :)
Naturalmente, altrimenti come potrei applicare il modello in seguito? :)
)))))) bene riscrivere tutti gli algoritmi con R in µl e poi ottenere tutte le trasformazioni in regole in µl ))
)))))) bene riscrivere tutti gli algoritmi con R in µl e poi ottenere tutte le trasformazioni in regole in µl ))
Mi sono reso conto che questo tipo di clustering non crea regole che possono riprodurre il risultato senza ripetere il clustering. E il clustering è troppo lento. Quindi, abbiamo bisogno di creare regole attraverso la costruzione di alberi, che divideranno i risultati del clustering in classi appropriate secondo alcune caratteristiche.
Quindi la domanda rimane - come salvare in csv la stringa appartenente ad ogni classe?
Anche se è strano, perché non continuare il clustering con i dati già esistenti e definire nuove stringhe in una delle classi, o è possibile?
k = kmeans(data, centers = 7) data = k$cluster
data(mtcars) mt.k <- kmeans(mtcars, centers = 4) mt.k$centers
E non capisco come arrotolare i risultati in una colonna particolare?
Questa immagine mostra gli stessi predittori di prima, ma la dimensione del campione è diversa e, cosa più importante, sono stati aggiunti nuovi predittori.
E questo è il modo di interpretarlo - la propensione al sovrallenamento?
Aggiusterò elegantemente qualsiasi curva usando il clustering. Contatta
Perché un algoritmo così rozzo inizia a versare nuovi dati quasi immediatamente è al di là di me
Io do la colpa all'albero della riqualificazione. Voglio usare boosta, ma non riesco a trasferirlo rapidamente su mql.
Uff... ecco la risposta
se si allena un modello per un periodo di tempo e poi si guarda acuras sui dati per un altro (appena clusterizzato), allora per l'albero sarà:
trane è il set di dati di addestramento + il set di dati di convalida
Il nuovo set di dati è generalmente nuovi dati su nuovi cluster. Anche se l'albero ha funzionato bene sulla convalida, ma sui nuovi non riesce.
Vedi catbust sugli stessi dati:
TRAIN DATA: 0.9304589707927677 0.8916666666666667 NEW DATA: 0.8528265107212476
Qual è la differenza?
non sai cosa sta succedendo finché non lo controlli passo dopo passo.
Avevo ragione a dare la colpa all'albero. Pensavo che potesse gestire un compito così semplice, ma no.
analizzando il catbusto...
Uff... ecco la risposta
se si allena un modello per un periodo di tempo e poi si guarda acuras sui dati per un altro (appena clusterizzato), allora per l'albero sarà:
trane è il set di dati di addestramento + il set di dati di convalida
Il nuovo set di dati è generalmente nuovi dati su nuovi cluster. Anche se l'albero ha funzionato bene sulla convalida, ma sui nuovi non riesce.
Vedi catbust sugli stessi dati:
Che differenza c'è? Parsing the catbust...
Ci vuole un po' di tempo per capire cosa sta succedendo, finché non si controlla tutto passo dopo passo
Avevo ragione a dare la colpa all'albero.Ora dammi le foto delle montagne. A proposito, com'era lassù in montagna? Dove sei stato?
Altai... Non sono andato all'ultimo momento, non volevo andare).
a proposito, sai qualcosa dei plus?