In the previous post, we’ve explored several approaches for aggregating raw data for a financial instrument to create observations called bars. In this post, we will focus on the next crucial stage of the machine learning pipeline — labeling observations. As a reminder, labels in machine learning denote the outcomes of the random variable that...
哲学的な質問には哲学的な答えというように、極めて論理的なもの)
考えたのは、分類アルゴリズムの構成みたいなものです。例えば、ファジー分類はK近傍法によって行われるが、ファジー分類を用いた別のアルゴリズムでは一部の近傍が破棄される。もしこれが最低限の意味を持つのであれば、このテーマに関する記事がウェブ上にあるはずだ)
ここでもプラドは私たちを助けてくれる（メタ・ラベリング部）。
https://towardsdatascience.com/financial-machine-learning-part-1-labels-7eeed050f32e
明確に分離できるものはSVMの方が良い場合もありますが、それ以外はブースティングかNSのどちらかです。
ただいきなり動くだけでなく、何とか我々の仕様を考慮したアルゴリズムにしたい。私見では、混在と分離の組み合わせで、クラスを分けているのだと思います。あるいは、属性の集合の場所によって、その混ざり具合の度合いが大きく変わるとも言える。
ただいきなり動くだけでなく、なんとか我々の仕様を考慮したアルゴリズムにしてほしいですね。私見ですが、混合クラスと分離クラスが混在しているように思います。あるいは、属性の集合の場所によって、混ざり具合が大きく異なることもあると言えるでしょう。
最もシンプルなケースは上のリンクにあります。さらに想像力を働かせることができます :)
ループしており、実際にはEAのonTickやonTimerと変わりません。
テンプレートです。
テンプレートです。
また、Pythonのプログラムは、サービスやボットとして実行することができます
https://www.mql5.com/ru/docs/integration/python_metatrader5/mt5symbolinfotick_py
最もシンプルなケースは、上記のリンク先にあります。あとは想像力を働かせればいいんです :)
ありがとうございます、お役に立てれば幸いです。プラド党は 我々の舵取り役!)
また、Pythonのプログラムは、サービスやボットとして実行することができます
https://www.mql5.com/ru/docs/integration/python_metatrader5/mt5symbolinfotick_py
そうですね、やってみましょう。一部、すでにfxsaberから祝福を受けた)
そうですね、やってみましょう。一部、fxsaberの祝福を既に受けている)
mytarmailS さんが提案されたMOライブラリを試したところ、すでにそうなっていました。時計仕掛けのようにうまくいったが、TSは初めから運命付けられていた )
スクリプトが実行され、ループの中で新しい時間（または別の時間枠）の到着をチェックし、ロジックをひねり出す、すべては非常に単純です。mytarmailS さんが提案されたMoDライブラリを試したところ、すでにそうなっていました。全ては時計のように動いていたのですが、MO自体は当初から運命的なものでした )
スクリプトが実行され、ループの中で新しい時間（または別の時間枠）の到着をチェックし、ロジックが回転している、すべてが非常に簡単です。テストはどうする？自作Pythonテスターでは？
テストについてはどうでしょうか？自作のパイソンテスターでは？