MetaTrader 5 Python User Group - Come usare Python in Metatrader - pagina 83
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
Giusto - sbagliato preparato....
Dove posso leggere di questo? Preparo i dati per la NS secondo la mia percezione di ciò che è importante e ciò che non lo è.
Una cosa che mi lascia perplesso è se lo stesso tipo di dati deve essere raccolto "in un mucchio" o aggiunto man mano che arriva?
Da quale parte dovrebbero essere raccolti i dati: dai "vecchi" o dai "nuovi"?
Giusto - sbagliato preparato....
Dove posso leggere di questo? Preparo i dati per la NS secondo la mia percezione di ciò che è importante e ciò che non lo è.
Una cosa che mi lascia perplesso è se lo stesso tipo di dati deve essere raccolto "in un mucchio" o aggiunto man mano che arriva?
Da quale parte dovrebbero essere raccolti i dati: dai "vecchi" o dai "nuovi"?
Nel thread MoD chiedete, qualcuno vi risponderà. Questo è l'argomento del connettore
Il problema è che la normalizzazione è una causa persa del tutto!
Lasciatemi spiegare. Ci sono alcuni dati A, B, C...
Sono diversi in termini di significato e così via. Tutti (google) dicono che la normalizzazione dovrebbe essere fatta per colonne (A-A-A, B-B-B, C-C-C) e non per righe. Questo è logicamente comprensibile.
Ma quando appaiono nuovi dati per la "predizione" COME normalizzarli se si tratta di una sola riga? E qualsiasi termine in quella riga può andare oltre la normalizzazione sui dati di allenamento e di test?
E la normalizzazione per stringhe non ha alcun effetto!
In realtà, dopo aver controllato queste sfumature, ho avuto questo "grido dell'anima" ))))
Durante la normalizzazione i coefficienti vengono salvati. Per evitare i fuori campo, dovremmo prendere un grosso pezzo di storia e normalizzarlo, poi applicare questi coefficienti ai nuovi dati
su dati non normalizzati, la griglia non imparerà, o imparerà male. Questa è la loro natura.i coefficienti sono mantenuti durante la normalizzazione. Per evitare i fuori range, abbiamo bisogno di prendere un grosso pezzo di storia e normalizzare, poi applicare questi coefficienti ai nuovi dati
Non imparerà da dati non normalizzati, o imparerà male. Questa è la loro peculiarità.Tutto questo è logico e comprensibile, ma la rete viene addestrata! Inoltre, ci sono informazioni che l'utilizzo di dati non normalizzati è più complicato per l'apprendimento, ma non è fondamentale.
E come non uscire dalle gamme? Per esempio, c'è un prezzo. C'è una gamma di prezzi sui dati di allenamento e di test - prendi 123-324. Ma il prezzo sale a 421. Come rientra in questa stessa gamma?
Ma ci stiamo allontanando dal cuore della questione - perché, con l'allenamento e i test normali, la previsione è qualcosa?
Cari amici, ancora una volta i miei sci non si muovono... Sto chiedendo aiuto.
Ho deciso di abbozzare un piccolo tester per testare la predizione della rete addestrata.
Qui va tutto bene.
E la prossima cosa che sai...
giurare
Cosa c'è che non va?
Dopo aver cercato sul web e guardato l'articolo, sulla base del quale ho scritto il mio codice, sono giunto alla deludente conclusione che ogni autore di qualsiasi articolo "per principianti" è destinato a dimenticare di menzionare qualcosa di importante...
E qui si è scoperto cheStandardScaler è usato nell'addestramento della rete.Ma l'articolo non dice una parola su cosa sia e perché sia necessario.
Inoltre,StandardScaler è la standardizzazione. Inoltre, voglio sapere come posso implementare la stessa standardizzazione per un solo vettore di input e anche meno.
Ancora peggio, la "standardizzazione" è effettuata dalle colonne del dataset! No, beh, per le sole statistiche va bene. Ma per le previsioni è "***hole"! Quando arrivano nuovi dati, devo riaddestrare la rete solo per avere i nuovi dati nel range di "standardizzazione"?
Stronzate!
Nel momento in cui questa "nuova rete" viene addestrata, la situazione potrebbe essere già cambiata drasticamente. Allora, che cazzo di senso ha?
Alla faccia di Python con un mucchio di librerie "affilate"....
Le sarei molto grato se potesse farmi cambiare idea.
P.S. Voglio solo credere che non ho sprecato il mio tempo su Python per niente.
Dopo aver cercato sul web e guardato l'articolo, sulla base del quale ho scritto il mio codice, sono giunto alla deludente conclusione che ogni autore di qualsiasi articolo "per principianti" è destinato a dimenticare di menzionare qualcosa di importante...
E qui si è scoperto cheStandardScaler è usato nell'addestramento della rete.Ma l'articolo non dice una parola su cosa sia e perché sia necessario.
Inoltre,StandardScaler è una standardizzazione. Inoltre, voglio sapere come posso implementare la stessa standardizzazione per un solo vettore di input e anche meno.
Ancora peggio, la "standardizzazione" è effettuata dalle colonne del dataset! No, beh, per le sole statistiche va bene. Ma per le previsioni è "***hole"! Quando arrivano nuovi dati, devo riaddestrare la rete solo per avere i nuovi dati nel range di "standardizzazione"?
Stronzate!
Nel momento in cui questa "nuova rete" viene addestrata, la situazione potrebbe essere già cambiata drasticamente. Allora, che cazzo di senso ha?
Alla faccia di Python con un mucchio di librerie "affilate"....
Ti sarei molto grato se cambiassi idea.
P.S. Voglio solo credere che non ho sprecato il mio tempo su Python per niente.
(Riesco a malapena a capire. )))
Ma ora ho un'altra domanda (per la quale ho iniziato tutto):
Quando ho addestrato la rete ho ottenuto i seguenti risultati
In altre parole - il risultato è un affare!
Ho avviato il mio tester. Ho ottenuto questi risultati
Bene, dimmi esattamente dove puoi vedere che la rete è addestrata al 98% di risultati corretti????
Ciao, leggendo alcune pagine della discussione non ho trovato nulla di concreto sulla seguente domanda:
- C'è qualcosa che funziona attualmente come i pacchetti MetaTraderR o MetaTrader5 per l'integrazione di MT e R?
Salute
Scusa, continuerò la mia epopea... )))
Dopo aver acquisito un po' più di conoscenza dallo stesso google, sono arrivato a delle conclusioni:
Soddisfacendo queste due condizioni, ho ottenuto una notevole riduzione della curva di apprendimento della rete. Inoltre, ho scoperto che
Inoltre c'era un'altra domanda: quale dovrebbe essere la risposta della rete?