library('caret')
#df1 загруженная дата
df1 <- as.data.frame(matrix(nrow = 100,ncol = 10,data = sample(1:10,1000,replace = T)))
# head(df1)
not <- c("V1","V2","V3") # имена переменных которые нам НЕ нужны для корреляции
df2 <- cor( df1[, ! colnames(df1) %in% not] )
# head(df2)
not.need <- findCorrelation(df2, cutoff=0.1) # putt any valueas a "cutoff"
not.need.nms <- colnames(df2[,not.need]) # получаем имена переменных что не прошли коррел тест
# head(not.need.nms)
# получаем изначальную df1 только без признаков что не прошли отбор
reduced_Data <- df1[, ! colnames(df1) %in% not.need.nms]
# head(reduced_Data)
同じことをするけれども、よりきれいに見えるような関数を書いてくれませんか？
get.findCorrelation <- function(data , not.used.colums , cor.coef){
library('caret')
df2 <- cor( data[, ! colnames(data) %in% not.used.colums])
not.need <- findCorrelation(df2, cutoff=cor.coef)
not.need.nms <- colnames(df2[,not.need]) # получаем имена переменных что не прошли коррел тест
reduced_Data <- data[, ! colnames(data) %in% not.need.nms]
return(reduced_Data)}
まあ、5～15刻みで、 と同じになります。
Matの期待値が30点を超えたのは小刻みな動きだけですが、どこで観測できるのでしょうか？2014～2018年のサンプルでトレーニングし、2020年に働く......それは増分のどこにあるのでしょうか。
手に入れたものよりも良いものに挑戦してみたいですか？サンプルを投げる--大したものではありません。
死ぬまでの戦略を考えてみた・・・。
長い時間先の相場の特性を予測したらどうだろう？ そして予測した特性で系列を再構築し、そこから学習し、このモデルで相場を取引する...この方向で考えてみたことはありますか？
例えば、市場のスペクトルを予測するために...
未来を知ることはできないが、想像することはできる」みたいなね。そこで、研究の第一段階を行った
どれだけのパワーが入ったのか...。
どれだけのエネルギーが注ぎ込まれたのか...。
すべての懐疑論者に贈る。
でも、あなたのアイデアを確認します。私にとっては難しいことではありません。では、どのような相関係数をとればいいのでしょうか？そして、残った予測因子の中から5～15個を選ぶ方法-具体的に書く-そこで測定して順番に並べる方法とか？
どれだけパワーがなくなったのか...。
他人の金を勘定するよりも、Rのヒントを教えてくれませんか？
相関を計算し、相関のある列を削除するスクリプトを以下に示します。
そして、2つの疑問があります。
1.どのようにループのためにこのコードの実行を行うには、すなわち、私は係数を増加させ、係数のインデックスで保存するファイル名を変更したり、ループ内で生成された別のディレクトリにする必要があります。
2.計算のための補助列を削除しているのですが、相関列を削除した後に現れるテーブル（df2）にコピーするにはどうすればよいのでしょうか。
ご返信ありがとうございます。
他人の金を数えるより、Rについてアドバイスしてくれないか？
相関を計算して、相関のある列を削除するようなスクリプトを作りました。
そして、2つの疑問があります。
1.このコードをforループで実行させるにはどうすればよいでしょうか。すなわち、係数を増加させ、ファイル名を変えて係数のインデックスで保存するか、ループ内で生成される別のディレクトリに保存する必要があります。
2.計算のための補助列を削除しているのですが、相関列を削除した後に現れるテーブル（df2）にコピーするにはどうすればよいのでしょうか。
ご返信ありがとうございます。
質問に対する回答 (2)
同じことをするけれども、よりきれいに見えるような関数を書いてくれませんか？
が入力されます。
Corel の解析に使用しない列を指定すると、findCorrelation関数からkorelをチューニングしています。
cor.coef = 0.1出力はdf1ですが、ジャンクフィーチャーはありません。さて、最初の質問に対する答えです。
その後、固定チューンの量子テーブルトレーニングを、列車-試験60％-試験20％-20％のサンプルで行いました。
最も成功したテストサンプルにモデルをチューニングしているように見えませんか？
私自身、何度かテストプロットを成功させ、ここに聖杯が あると思いました)))。そして、数カ月間、サイトを前方または後方に移動させた後、すべてが明らかになり、モデルは間違っており、予測因子も間違っていたため、それらのサイトでお金を失いました。
私は完全にクロスバリューやバリュエーションフォワードのモデルの分析に切り替えました。せいぜい50％程度と見ています。
ドクも前回の投稿でクロスバリデーションについて触れています。
マキシム、私はここで一緒に戦ったプログラマは、バックテストで機械学習のExpert Advisorを持っている - ちょうど火災、フォワードテストでは、まともな有益な統計とあまりにも一ヶ月半続いた、今それさえ一時停止せずにダンピングされています))
再トレーニングを行わず、実際の市場で少なくとも3ヶ月間利益を上げた機械学習EAの例を教えてください。
では、継続的な再教育の何が問題なのでしょうか？この真空状態「再トレーニングなし」とは？FXで1日働けばもう聖杯だし、1ティックごとに 鍛え直せるし、テクニックの問題ですね。