# install.packages("Boruta", dependencies=T) # эту строчку нужно запустить всего 1 раз чтобы автоматически установить пакет
# library(Boruta) # эту строчку нужно запустить каждый раз когда вы заново открываете R или RStudio, чтоб загрузить пакет в память
forexFeatures <- read.csv2("Qwe.txt", dec=".")
Boruta(TargetProf ~ . , data = forexFeatures) #запуск с дефолтными параметрами
Boruta(TargetProf ~ . , data = forexFeatures, doTrace = 1, maxRuns = 1000) #больше логов на экране, и больше итераций алгоритма, результат должен быть качественней чем дефолтный
コードには「4つの属性が重要：AD10, Del, Del2, N;」と出るので、この4つだけを取り出して、それを使ってモデルを教えてみてください。 N（序数）も、クラス1がNの小さいファイルの冒頭に集中しているので、良いと思われる。一般に、モデルではなくユーザーのための情報を運ぶだけのカラムは、まずテーブルから削除する方がよい。
このコードでは「4つの属性が重要であることが確認された：AD10, Del, Del2, N;」と表示されるので、この4つだけを取り出してモデルを学習させてみることができる。 N（序数）も、クラス1がNの小さいファイルの冒頭に集中しているので、良いと思われる。一般に、モデルではなくユーザーのための情報を運ぶだけのカラムは、まずテーブルから削除する方がよい。
これが第一の選択肢で、第二は、比較的短期間に適応しない小型のモデルを作ることです。いわば、市場を荒らすということです。オプティメルを持ってやってきて、庶民からお得な情報をいくつか奪って、次の機会までお休み......。
botの長期記憶をオフにすれば毎日新生児のようになるが、長期経験の不足は常に大失敗でグラウンドホッグデイになる
考えるまでもなく、私にとっては、かなり大きな実験結果のアーカイブがある段階での通過点です。
何度も書いていることを繰り返します。
1.ターゲットのZZ。
2.このターゲットのために約200の予測式を作成した。
3. 「ターゲットへの影響力」アルゴリズムによる200個の予測変数のうち27個の予測変数
4.各バー上の27の予測変数から予測変数を選択し、選択した予測変数の数を6-7から27のうち15に変更しました。
5.フィッティング rf.フィッティングエラーは30％弱。
無限のサイクルはありません。30%というのは非常に良い結果ですが、理論上はそうなります。この結果を使って実用的なExpert Advisorを構築することはできず、トレンド指標を 追加することになりました。今は指標（ジャンク）をGARCHに変えています。
私が証明しなければならないのは、原則だからアプローチが同一であること、そしてrfeとは何かということです。
追伸：出力に上下の矢印があるインジケーターの機種を数えたことがあります。エキスパートアドバイザーは、信頼性の高い "オープナー "の機能を持つ
考えるまでもなく、私にとっては、かなり大きな実験結果のアーカイブがあり、もう済んだことなのです。
まあ、できないならやらなくていいんですけどね。
私たちはあなたより頭がいいと思っているでしょうね。）
PS 他の人の体験から学ぶことを自分に課しています。
ボットの長期記憶をオフにすれば毎日生まれ変わるが、長期経験の不足は常に大失敗とグラウンドホッグデイになる
朝から毎日過剰な最適化は良くない、ここは同感です。TCが機能するためには、もう少し長い間隔が必要です。私のM15では、1週間がちょうどいい感じです。モデルの信頼区間が 約20で、OOS（金曜日）の5つを含む40のシグナルをトレーニングで考慮すると、残りの15はすでに機能しており、通常1日に3～4件のディールがありますから、私にとっては1週間ですまたもや聖濁節、いや聖濁節週間なので、仕事です・・・。しょうがないですね:-)。でも、私は好きです。スティーブ・ジョブズの言うとおりです。"高収入な趣味ほど良い仕事はない。
まあ、できないならやらなくていいんですけどね。
私たちがあなたより賢いと思うでしょう :)
追伸：他の方の体験談を参考にさせていただきながら、勉強させていただいています。
効かないとは言ってませんよ。そうしたら、とてもそうなんです。いくつかの経済的な問題を解決することができたんです。
しかし、私のExpert Advisorは再トレーニングされ、私が取り除こうとしているインジケータのソースは。
"高収入な趣味ほど良い仕事はない"。
サン＝シモンはジョブズより200年も前に、この言葉をユートピア社会主義の基礎に据えたのである。
ジョブズより200年も前に、サン＝シモンはこの前提でユートピア社会主義を掲げた。
そうかもしれませんね。反論はしませんが...。
しかし、VI指標は1つでは足りないと思うのです。冗長性を計算し、列数を減らす努力をすべきです。
もしかしたら、相互情報以外に入力データを出力に推定できる関数がすでに準備されているかもしれない？
Rには、予測因子（列）の選択など、多くのケースに対応したライブラリ（パッケージ）が用意されています。
https://cran.r-project.org/web/packages/available_packages_by_name.html は公式にサポートされているライブラリで、githab にはさらに数百のライブラリがあります。そこで必要なものをキーワードで検索することができます。
各予測変数のVIを目的に応じて決定するために，vtreatパッケージがよく機能します（関数designTreatments，このサイトでその名前で検索すると，このトピックへの多くのリンクと例が得られます）。
また、最近、FSelectorパッケージを使用して、良い予測変数のセットを見つける方法の例を示しました -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
他にもFSelectorRcpp、CORElearn、VSURF、VarSelRF、Borutaなど、いくつかのパッケージが提供されています。
Borutaは最も使いやすいと思います（ベストではないかもしれませんが）。
コードには「4つの属性が重要：AD10, Del, Del2, N;」と出るので、この4つだけを取り出して、それを使ってモデルを教えてみてください。N（序数）も、クラス1がNの小さいファイルの冒頭に集中しているので、良いと思われる。一般に、モデルではなくユーザーのための情報を運ぶだけのカラムは、まずテーブルから削除する方がよい。
Rには、予測因子（列）の選択など、多くの用途に応じたライブラリ（パッケージ）が用意されています。
https://cran.r-project.org/web/packages/available_packages_by_name.html は公式にサポートされているライブラリで、githab にはさらに数百のライブラリがあります。そこで必要なものをキーワードで検索することができます。
各予測変数のVIを目的に応じて決定するために，vtreatパッケージがよく機能します（関数designTreatments，このサイトでその名前で検索すると，このトピックへの多くのリンクと例が得られます）。
また、最近、FSelectorパッケージを使用して、良い予測変数のセットを見つける方法の例を示しました -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
他にもFSelectorRcpp、CORElearn、VSURF、VarSelRF、Borutaなど、いくつかのパッケージが提供されています。
Borutaは一番使いやすいと思います（でもベストではないかもしれません）。
うんうん。すでにいろいろとダウンロードしているのですが、Rの知識が乏しいので、タンバリンが発生しているわけです。でも、情報ありがとうございました。具体的な指標を決めて、それで十分な分析ができるようにしなければならないと考えています。VIもモデルやテスト結果を見て気に入っていたのですが、物足りなさを感じています。指標のセットが定義されれば、あとはインプットのセットを拡張して、そこから選択できるようにするだけです。最も重要なのは、アウトプットとの関係でインプットの質を向上させることです。TSのための良いインプットを見つけることは、戦いの半分以上です...。からして......。
Rには、予測因子（列）の選択など、多くの用途に応じたライブラリ（パッケージ）が用意されています。
https://cran.r-project.org/web/packages/available_packages_by_name.html は公式にサポートされているライブラリで、githab にはさらに数百のライブラリがあります。そこで必要なものをキーワードで検索することができます。
各予測変数のVIを目的に応じて決定するために，vtreatパッケージがよく機能します（関数designTreatments，このサイトでその名前で検索すると，このトピックへの多くのリンクと例が得られます）。
また、最近、FSelectorパッケージを使用して、良い予測変数のセットを見つける方法の例を示しました -https://www.mql5.com/ru/forum/86386/page643#comment_6472393
他にもFSelectorRcpp、CORElearn、VSURF、VarSelRF、Borutaなど、いくつかのパッケージが提供されています。
Borutaは一番使いやすいと思います（でもベストではないかもしれません）。
このコードでは「4つの属性が重要であることが確認された：AD10, Del, Del2, N;」と表示されるので、この4つだけを取り出してモデルを学習させてみることができる。N（序数）も、クラス1がNの小さいファイルの冒頭に集中しているので、良いと思われる。一般に、モデルではなくユーザーのための情報を運ぶだけのカラムは、まずテーブルから削除する方がよい。
ちょっと待て、もう一度やってみる。ただ、使用するコードの例をお聞きしたかったのですが...。