Non posso ancora dirlo con certezza, dato che ho giocato con molti parametri, il miglioramento è stato di circa 0,1. Forse ci sono delle tecniche che non conosco, per questo ho chiesto.
se niente aiuta, allora il problema è nei dati, non c'è altro da sintonizzare nel las lì
Certo che puoi, ma devi farlo in parti (glitch del server), Filter set - definendo dove non puoi comprare/vendere, MaloVhodov set - voci di tendenza per un profitto decente, MnogoVhodov set - tutte le voci tranne quelle non redditizie.
Ho provato Malovhodov per cominciare.
Ho cercato di insegnare alla foresta a prevedere arr_Buy dal 2015 in base a arr_Vektor_Week, arr_Vektor_Day, ecc.
Le classi sono molto sbilanciate (ci sono 10 volte più esempi di classe 0 che di classe 1), questo aggiunge molta difficoltà.
Questo è l'albero del 2015 formato su
y_pred
y_true
0
1
0
97268
86118
1
5529
12256
E questo è il 2016, nuovo per i dati degli alberi:
y_pred
y_true
0
1
0
96581
90918
1
6296
8956
La previsione in entrambi i casi è di bassa accuratezza, ma almeno è più del 50% accurata in entrambi i casi.
L'albero è così:
C'è sempre a sinistra VERO, a destra FALSO. Per gli ovali, la prognosi ha bisogno di arrotondamenti (>=0,5 -> 1; <0,5 -> 0) proverò mnogovhodov, penso che sarà meglio, lì le classi 0 e 1 sono più uguali.
Ho cercato di insegnare alla foresta a prevedere arr_Buy dal 2015 in base a arr_Vektor_Week, arr_Vektor_Day, ecc.
Le classi sono molto sbilanciate (ci sono 10 volte più esempi di classe 0 che di classe 1), questo aggiunge molta difficoltà.
Questo è l'albero del 2015 formato su
y_pred
y_true
0
1
0
97268
86118
1
5529
12256
La previsione in entrambi i casi è di bassa accuratezza, ma almeno è più del 50% accurata in entrambi i casi.
L'albero è così:
C'è sempre a sinistra VERO, a destra FALSO. Nella previsione degli ovali, è ancora necessario arrotondare (>=0,5 -> 1; <0,5 -> 0) Proverò mnogovhodov, penso che sarà meglio, lì le classi 0 e 1 sono più uguali.
Wow, che piccolo albero! Sono sorpreso! Dall'albero ho letto il desiderio di entrare a un'inversione di tendenza, cioè di comprare effettivamente al fondo. Secondo il vostro sistema gli altri predittori non erano informativi?
Wow, che piccolo albero! Sono sorpreso! Dall'albero ho letto un desiderio di entrare su un'inversione di tendenza, cioè di comprare al fondo. Secondo il vostro sistema gli altri predittori non erano informativi?
Cosa sono i numeri negli ovali?
Alcuni di loro sono stati respinti nel processo di selezione dei parametri dell'albero e dei predittori. Non posso dire nulla di specifico sull'informatività in generale, ma per questo caso questi sono i più adatti.
Gli ovali sono previsioni dell'albero. Il mio albero è stato addestrato in modalità "anova", cioè la probabilità è data non una specifica previsione 0 o 1, ma la probabilità. Qualsiasi cosa superiore a 0,5 è molto probabilmente di classe 1. Ciò che è inferiore a 0,5 è molto probabilmente di classe 0. Quindi, più si avvicina a 0 o 1, più la previsione è sicura.
Potete descrivere l'albero programmaticamente nel modo seguente:
Aleksey Vyazmikin: Dr. Trader - per favore scrivi una lista di predittori nell'albero, perché lo schermo ha tagliato i loro nomi.
Giusto, non l'avevo notato. In rattle, era in qualche modo facile vedere la lista e le regole. Ora non ho rattle, cercherò un modo alternativo per farlo.
Alcuni predittori sono stati eliminati nel processo di selezione dei parametri dell'albero e dei predittori; alcuni predittori sono stati respinti dall'albero stesso. Non posso dire nulla di specifico sull'informatività in generale, ma per questo caso questi si adattano meglio.
Gli ovali sono previsioni dell'albero. Il mio albero è stato addestrato in modalità "anova", cioè la probabilità è data non una specifica previsione 0 o 1, ma la probabilità. Qualsiasi cosa superiore a 0,5 è molto probabilmente di classe 1. Ciò che è inferiore a 0,5 è molto probabilmente di classe 0. Quindi, più si avvicina a 0 o 1, più la previsione è sicura.
Potete descrivere l'albero programmaticamente nel modo seguente:
Ieri ho rifatto l'informazione arr_iDelta in diverse varianti, ho aggiunto due tipi aggiuntivi di predittori e ho reso il calcolo più completo per H4,MN1,W1 - penso che siano predittori importanti, così ho rimosso i vecchi analoghi e aggiunto i nuovi, per esempio
A proposito, la maggior parte dei predittori sono calcolati usando lo script, i nuovi sono calcolati usando EA e il risultato è congruente, cioè senza sbirciare.
Grazie per l'interpretazione in forma di codice! Se interessati, dati sull'incollaggio di Si futures.
Vi allego di nuovo i file, vi consiglio di sperimentarli.
Consenti l'uso dei cookie per accedere al sito MQL5.com.
Abilita le impostazioni necessarie nel browser, altrimenti non sarà possibile accedere.
Hai effettuato l'accesso. L'autenticazione a due fattori è stata disattivata. Configurala di nuovo e scansiona un nuovo codice QR, oppure continua con l'autenticazione a due fattori disattivata.
Non posso ancora dirlo con certezza, dato che ho giocato con molti parametri, il miglioramento è stato di circa 0,1. Forse ci sono delle tecniche che non conosco, per questo ho chiesto.
Certo che puoi, ma devi farlo in parti (glitch del server), Filter set - definendo dove non puoi comprare/vendere, MaloVhodov set - voci di tendenza per un profitto decente, MnogoVhodov set - tutte le voci tranne quelle non redditizie.
Ho provato Malovhodov per cominciare.
Ho cercato di insegnare alla foresta a prevedere arr_Buy dal 2015 in base a arr_Vektor_Week, arr_Vektor_Day, ecc.
Le classi sono molto sbilanciate (ci sono 10 volte più esempi di classe 0 che di classe 1), questo aggiunge molta difficoltà.
Questo è l'albero del 2015 formato su
La previsione in entrambi i casi è di bassa accuratezza, ma almeno è più del 50% accurata in entrambi i casi.
L'albero è così:
C'è sempre a sinistra VERO, a destra FALSO. Per gli ovali, la prognosi ha bisogno di arrotondamenti (>=0,5 -> 1; <0,5 -> 0) proverò mnogovhodov, penso che sarà meglio, lì le classi 0 e 1 sono più uguali.
Provato con Malovhodov per cominciare.
Ho cercato di insegnare alla foresta a prevedere arr_Buy dal 2015 in base a arr_Vektor_Week, arr_Vektor_Day, ecc.
Le classi sono molto sbilanciate (ci sono 10 volte più esempi di classe 0 che di classe 1), questo aggiunge molta difficoltà.
Questo è l'albero del 2015 formato su
La previsione in entrambi i casi è di bassa accuratezza, ma almeno è più del 50% accurata in entrambi i casi.
L'albero è così:
C'è sempre a sinistra VERO, a destra FALSO. Nella previsione degli ovali, è ancora necessario arrotondare (>=0,5 -> 1; <0,5 -> 0) Proverò mnogovhodov, penso che sarà meglio, lì le classi 0 e 1 sono più uguali.
Wow, che piccolo albero! Sono sorpreso! Dall'albero ho letto il desiderio di entrare a un'inversione di tendenza, cioè di comprare effettivamente al fondo. Secondo il vostro sistema gli altri predittori non erano informativi?
Quali sono i numeri negli ovali?La mia foresta di segni veri e falsi correva attraverso.
La classe che stavo cercando era più della metà in un'altra classe nel test, ma si è divisa bene nell'allenamento)
Wow, che piccolo albero! Sono sorpreso! Dall'albero ho letto un desiderio di entrare su un'inversione di tendenza, cioè di comprare al fondo. Secondo il vostro sistema gli altri predittori non erano informativi?
Cosa sono i numeri negli ovali?Alcuni di loro sono stati respinti nel processo di selezione dei parametri dell'albero e dei predittori. Non posso dire nulla di specifico sull'informatività in generale, ma per questo caso questi sono i più adatti.
Gli ovali sono previsioni dell'albero. Il mio albero è stato addestrato in modalità "anova", cioè la probabilità è data non una specifica previsione 0 o 1, ma la probabilità. Qualsiasi cosa superiore a 0,5 è molto probabilmente di classe 1. Ciò che è inferiore a 0,5 è molto probabilmente di classe 0. Quindi, più si avvicina a 0 o 1, più la previsione è sicura.
Potete descrivere l'albero programmaticamente nel modo seguente:
Dr. Trader - per favore scrivi una lista di predittori nell'albero, perché lo schermo ha tagliato i loro nomi.
Giusto, non l'avevo notato. In rattle, era in qualche modo facile vedere la lista e le regole. Ora non ho rattle, cercherò un modo alternativo per farlo.
Alcuni predittori sono stati eliminati nel processo di selezione dei parametri dell'albero e dei predittori; alcuni predittori sono stati respinti dall'albero stesso. Non posso dire nulla di specifico sull'informatività in generale, ma per questo caso questi si adattano meglio.
Gli ovali sono previsioni dell'albero. Il mio albero è stato addestrato in modalità "anova", cioè la probabilità è data non una specifica previsione 0 o 1, ma la probabilità. Qualsiasi cosa superiore a 0,5 è molto probabilmente di classe 1. Ciò che è inferiore a 0,5 è molto probabilmente di classe 0. Quindi, più si avvicina a 0 o 1, più la previsione è sicura.
Potete descrivere l'albero programmaticamente nel modo seguente:
Ieri ho rifatto l'informazione arr_iDelta in diverse varianti, ho aggiunto due tipi aggiuntivi di predittori e ho reso il calcolo più completo per H4,MN1,W1 - penso che siano predittori importanti, così ho rimosso i vecchi analoghi e aggiunto i nuovi, per esempio
A proposito, la maggior parte dei predittori sono calcolati usando lo script, i nuovi sono calcolati usando EA e il risultato è congruente, cioè senza sbirciare.
Grazie per l'interpretazione in forma di codice! Se interessati, dati sull'incollaggio di Si futures.
Vi allego di nuovo i file, vi consiglio di sperimentarli.