MT에서 모든 것을 하는 것은 편리하지 않습니다. 제 생각에 가장 좋은 옵션은 훈련 및 실험을 위한 Python과 MT용 훈련된 모델을 로드하는 DLL입니다. Python은 Jupiter 노트북을 실험할 수 있는 멋진 기능을 가지고 있습니다. 대화형 코드 실행 외에도 메모를 보관할 수 있어 주제에 대한 생각을 기록하는 데 편리합니다. 따라서 Python 및 C++에서 작동할 수 있는 라이브러리를 선택해야 합니다. 파이썬은 배우기 쉽습니다.
MT에서 모든 것을 하는 것은 편리하지 않습니다. 제 생각에 가장 좋은 옵션은 훈련 및 실험을 위한 Python과 MT용 훈련된 모델을 로드하는 DLL입니다. Python은 Jupiter 노트북을 실험할 수 있는 멋진 기능을 가지고 있습니다. 대화형 코드 실행 외에도 메모를 보관할 수 있어 주제에 대한 생각을 기록하는 데 편리합니다. 따라서 Python 및 C++에서 작동할 수 있는 라이브러리를 선택해야 합니다. 파이썬은 배우기 쉽습니다.
이것은 모두 요점에서 멀어집니다. 불필요한 zapas 없이 거래하는 동일한 장소에서 모든 것을 해야 합니다. 시간과 신경을 절약합니다. MT는 이미 통계 분석의 기본 요소를 모두 갖추고 있으며, 말씀하신 것처럼 DLL을 통해 연결되는 복잡한 모델만 있는 것은 아닙니다.
그러나 파이썬은 의심할 여지 없이 멋지고, R은 그것을 뒤틀었습니다. 속도가 느려서 짜증이 납니다. 내가 이해하기로는 머신 러닝의 장점은 파이썬에 있고 R에서는 매우 만족스럽고 통계 분석을 하고 학생들을 가르치고 있습니다. 그러나 다시 말하지만, 이것은 직접 연결할 수 있을 때 모두 좌파입니다.
프로그래머의 관점에서 R은 이상하고 다른 언어입니다. 예, Python은 기계 학습의 표준입니다.
당신은 이상한 사람들입니다. "프로그래머의 관점에서 R은 이상하고 다른 언어입니다." 어떤 프로그래머를 말하는 건가요? 또 다른 " R 꼬임 - 느림이 짜증난다 " - 아마도 잘못된 방향으로 꼬았는지 아닌지?
아마 모를 수도 있지만 모든 Python 모듈은 R에서 사용할 수 있으므로 MT에서 사용할 수 있습니다. 또한 TensorFlow(Googl), CNTK(Microsoft) 및 기타 업체의 모든 최신 개발은 즉시 R 및 MT에서 API를 제공했습니다. 저는 두 번 강조했습니다. 오늘날 R을 통해 터미널에서 모든 풍부한 기계 학습 개발을 사용할 수 있습니다. 하고 싶은 일, 지식 및 기술에 대한 이해가 필요합니다. 원하면 그냥 하세요.
당신은 이상한 사람들입니다. "프로그래머의 관점에서 R은 이상하고 다른 언어입니다." 어떤 프로그래머를 말하는 건가요? 또 다른 " R 꼬임 - 느림이 짜증난다 " - 아마도 잘못된 방향으로 꼬았는지 아닌지?
가지가 쓸모없는 말 짜기로 변했습니다. 안타깝게도.
행운을 빕니다
브레이크 자체 R, 패키지에 대해 말하는 것이 아닙니다. 파이썬보다 느리고 MT5보다 느리게 작동합니다. 또는 이것들은 RStudio와 같은 브레이크 셸입니다. 창조차 부드럽게 움직이지 않으며 심지어 브레이크 자체라고 말합니다. 나는 일반적으로 Ropen과 함께 VS 2017에 대해 침묵합니다. 지속적으로 중단되고, 패키지가 호환되지 않습니다. 패키지를 파이썬과 함께 사용하면 어떤 일이 일어날지 상상하는 것이 두렵습니다. R을 위한 많은 패키지는 신이 작성했으며 누가 오류를 포함할 수 있는지 알고 있으며 통일된 표준이 없습니다.
지난 기사에서 설명한 몇 가지 좋은 신경망 패키지만 있으며 R 없이도 잘 작동합니다. 나머지는 전처리 등을 위한 것입니다. 외환의 경우 언어의 장점을 효과적으로 사용하는 것보다 더 마음의 게임입니다. 네, 사진은 육안으로 추정할 수 있으며 대부분의 경우 모든 모델에 대해 수치 추정으로 충분합니다. 임호 :)
다른 NS와 비교했습니다. 이것은 더 이상 R이 아니지만 플러스에 쓰여진 패키지이며 물론 빠릅니다. 무료 버전의 alglib에는 멀티스레딩이 없습니다. + 대규모 네트워크의 경우 LBFGS 옵티마이저를 사용해야 하며 아마도 사용했을 것입니다. Forests는 alglib에서 상당히 빠른 것으로 간주됩니다. 예를 들어, 저는 그것을 좋아합니다. .. 그리고 모델의 품질은 MLP의 품질보다 결코 나쁘지 않습니다. 배깅은 확실히 부스팅보다 열등하지만 인터넷 기사에서 이해한 한 그리 중요하지는 않습니다. 저것들. 사실, 1개의 보편적인 모델이 있습니다 - 빠른 것 외에 나무의 숲. 다른 뉴런이 더 나은 작업을 수행할 것이라는 다른 모든 것은 실제로 (Forex와 관련하여) 누구도 실제로 입증하지 못했습니다.
다른 NS와 비교했습니다. 이것은 더 이상 R이 아니지만 플러스에 쓰여진 패키지이며 물론 빠릅니다. 무료 버전의 alglib에는 멀티스레딩이 없습니다. + 대규모 네트워크의 경우 LBFGS 옵티마이저를 사용해야 하며 아마도 사용했을 것입니다. 숲은 alglib에서 꽤 빠른 것으로 간주됩니다. 예를 들어, 저는 그것을 좋아합니다. 그리고 모델의 품질은 MLP의 품질보다 결코 나쁘지 않습니다.
네, 동일한 MLP를 기반으로 하는 것 같아서 네트워크 구조와 데이터 양 모두 동일합니다. 해당 패키지는 멀티스레딩을 사용하지 않았습니다. 모든 것을 하나의 스레드로 간주했습니다(작업 관리자에서 확인했습니다).
LBFGS(약 40분)와 LM(27분)의 속도 비교. 설명에 따르면 LBFGS가 더 빨라야 하지만 실제로 ALGLIB에서는 그 반대입니다.
NS(4분)보다 훨씬 빠른 스캐폴딩도 확인했는데 결과는 거의 같습니다. 흥미롭게도 선형 회귀 는 동일한 결과로 훨씬 더 빠르게 계산합니다. 누군가가 여기에 썼듯이 - 그것은 모두 기능에 관한 것입니다.
모델로의 변환이 없는 가격은 제출되지 않습니다.
외삽을 위한 포리스트는 가장 가까운 알려진 값을 사용합니다. 외삽할 때 뉴런이나 눈금자는 내부 공식에 따라 무언가를 계산합니다. 하지만 실제로는 이 모든 모델이 이 상황에서 병합되므로 차이가 없습니다.여전히 변형 없이 제공되는 방식이지만 그게 요점이 아닙니다.
그 차이는 특정 모델의 기술적 적용에서 매우 큽니다. 그리고 여기에서 병합하기 위해 다시 말하지만 이것은 요점이 아닙니다.MT에서 모든 것을 하는 것은 편리하지 않습니다. 제 생각에 가장 좋은 옵션은 훈련 및 실험을 위한 Python과 MT용 훈련된 모델을 로드하는 DLL입니다. Python은 Jupiter 노트북을 실험할 수 있는 멋진 기능을 가지고 있습니다. 대화형 코드 실행 외에도 메모를 보관할 수 있어 주제에 대한 생각을 기록하는 데 편리합니다. 따라서 Python 및 C++에서 작동할 수 있는 라이브러리를 선택해야 합니다. 파이썬은 배우기 쉽습니다.
MT에서 모든 것을 하는 것은 편리하지 않습니다. 제 생각에 가장 좋은 옵션은 훈련 및 실험을 위한 Python과 MT용 훈련된 모델을 로드하는 DLL입니다. Python은 Jupiter 노트북을 실험할 수 있는 멋진 기능을 가지고 있습니다. 대화형 코드 실행 외에도 메모를 보관할 수 있어 주제에 대한 생각을 기록하는 데 편리합니다. 따라서 Python 및 C++에서 작동할 수 있는 라이브러리를 선택해야 합니다. 파이썬은 배우기 쉽습니다.
이것은 모두 요점에서 멀어집니다. 불필요한 zapas 없이 거래하는 동일한 장소에서 모든 것을 해야 합니다. 시간과 신경을 절약합니다. MT는 이미 통계 분석의 기본 요소를 모두 갖추고 있으며, 말씀하신 것처럼 DLL을 통해 연결되는 복잡한 모델만 있는 것은 아닙니다.
그러나 파이썬은 의심할 여지 없이 멋지고, R은 그것을 뒤틀었습니다. 속도가 느려서 짜증이 납니다. 내가 이해하기로는 머신 러닝의 장점은 파이썬에 있고 R에서는 매우 만족스럽고 통계 분석을 하고 학생들을 가르치고 있습니다. 그러나 다시 말하지만, 이것은 직접 연결할 수 있을 때 모두 좌파입니다.
프로그래머의 관점에서 R은 이상하고 다른 언어입니다. 예, Python은 기계 학습의 표준입니다.
프로그래머의 관점에서 R은 이상하고 다른 언어입니다. 예, Python은 기계 학습의 표준입니다.
당신은 이상한 사람들입니다. "프로그래머의 관점에서 R은 이상하고 다른 언어입니다." 어떤 프로그래머를 말하는 건가요? 또 다른 " R 꼬임 - 느림이 짜증난다 " - 아마도 잘못된 방향으로 꼬았는지 아닌지?
아마 모를 수도 있지만 모든 Python 모듈은 R에서 사용할 수 있으므로 MT에서 사용할 수 있습니다. 또한 TensorFlow(Googl), CNTK(Microsoft) 및 기타 업체의 모든 최신 개발은 즉시 R 및 MT에서 API를 제공했습니다. 저는 두 번 강조했습니다. 오늘날 R을 통해 터미널에서 모든 풍부한 기계 학습 개발을 사용할 수 있습니다. 하고 싶은 일, 지식 및 기술에 대한 이해가 필요합니다. 원하면 그냥 하세요.
가지가 쓸모없는 말 짜기로 변했습니다. 안타깝게도.
행운을 빕니다
당신은 이상한 사람들입니다. "프로그래머의 관점에서 R은 이상하고 다른 언어입니다." 어떤 프로그래머를 말하는 건가요? 또 다른 " R 꼬임 - 느림이 짜증난다 " - 아마도 잘못된 방향으로 꼬았는지 아닌지?
가지가 쓸모없는 말 짜기로 변했습니다. 안타깝게도.
행운을 빕니다
브레이크 자체 R, 패키지에 대해 말하는 것이 아닙니다. 파이썬보다 느리고 MT5보다 느리게 작동합니다. 또는 이것들은 RStudio와 같은 브레이크 셸입니다. 창조차 부드럽게 움직이지 않으며 심지어 브레이크 자체라고 말합니다. 나는 일반적으로 Ropen과 함께 VS 2017에 대해 침묵합니다. 지속적으로 중단되고, 패키지가 호환되지 않습니다. 패키지를 파이썬과 함께 사용하면 어떤 일이 일어날지 상상하는 것이 두렵습니다. R을 위한 많은 패키지는 신이 작성했으며 누가 오류를 포함할 수 있는지 알고 있으며 통일된 표준이 없습니다.
지난 기사에서 설명한 몇 가지 좋은 신경망 패키지만 있으며 R 없이도 잘 작동합니다. 나머지는 전처리 등을 위한 것입니다. 외환의 경우 언어의 장점을 효과적으로 사용하는 것보다 더 마음의 게임입니다. 네, 사진은 육안으로 추정할 수 있으며 대부분의 경우 모든 모델에 대해 수치 추정으로 충분합니다. 임호 :)
브레이크 자체 R, 패키지에 대해 말하는 것이 아닙니다. 파이썬보다 느리고 MT5보다 느리게 작동합니다.
글쎄, MT5보다 느리지 않습니다 ... 이전에 비교했습니다.
ALGLIB는 학습에 대한 끔찍한 제동입니다.
ALGLIB 네트워크 240-50-1에서 제공, - 2일 기다렸다가 기다리지 않고 껐습니다.
네트워크 70-5-1은 30분 만에 훈련되었습니다. 그리고 R의 nnet은 1분 미만 동안 동일한 데이터에 대해 훈련되었습니다.
글쎄, MT5보다 느리지 않은데... 나는 이전에 비교를 했다:
다른 NS와 비교했습니다. 이것은 더 이상 R이 아니지만 플러스에 쓰여진 패키지이며 물론 빠릅니다. 무료 버전의 alglib에는 멀티스레딩이 없습니다. + 대규모 네트워크의 경우 LBFGS 옵티마이저를 사용해야 하며 아마도 사용했을 것입니다. Forests는 alglib에서 상당히 빠른 것으로 간주됩니다. 예를 들어, 저는 그것을 좋아합니다. .. 그리고 모델의 품질은 MLP의 품질보다 결코 나쁘지 않습니다. 배깅은 확실히 부스팅보다 열등하지만 인터넷 기사에서 이해한 한 그리 중요하지는 않습니다. 저것들. 사실, 1개의 보편적인 모델이 있습니다 - 빠른 것 외에 나무의 숲. 다른 뉴런이 더 나은 작업을 수행할 것이라는 다른 모든 것은 실제로 (Forex와 관련하여) 누구도 실제로 입증하지 못했습니다.
멀티스레딩은 R에 없지만 신경망 패키지에서는 MT5에도 연결하면 멀티스레딩이 됩니다.
다른 NS와 비교했습니다. 이것은 더 이상 R이 아니지만 플러스에 쓰여진 패키지이며 물론 빠릅니다. 무료 버전의 alglib에는 멀티스레딩이 없습니다. + 대규모 네트워크의 경우 LBFGS 옵티마이저를 사용해야 하며 아마도 사용했을 것입니다. 숲은 alglib에서 꽤 빠른 것으로 간주됩니다. 예를 들어, 저는 그것을 좋아합니다. 그리고 모델의 품질은 MLP의 품질보다 결코 나쁘지 않습니다.
네, 동일한 MLP를 기반으로 하는 것 같아서 네트워크 구조와 데이터 양 모두 동일합니다. 해당 패키지는 멀티스레딩을 사용하지 않았습니다. 모든 것을 하나의 스레드로 간주했습니다(작업 관리자에서 확인했습니다).
LBFGS(약 40분)와 LM(27분)의 속도 비교. 설명에 따르면 LBFGS가 더 빨라야 하지만 실제로 ALGLIB에서는 그 반대입니다.
NS(4분)보다 훨씬 빠른 스캐폴딩도 확인했는데 결과는 거의 같습니다. 흥미롭게도 선형 회귀 는 동일한 결과로 훨씬 더 빠르게 계산합니다.
누군가가 여기에 썼듯이 - 그것은 모두 기능에 관한 것입니다.
네, 동일한 MLP를 기반으로 하는 것 같아서 네트워크 구조와 데이터 양 모두 동일합니다. 해당 패키지는 멀티스레딩을 사용하지 않았습니다. 모든 것을 하나의 스레드로 간주했습니다(작업 관리자에서 확인).
LBFGS(약 40분)와 LM(27분)의 속도 비교. 설명에 따르면 LBFGS가 더 빨라야 하지만 실제로 ALGLIB에서는 그 반대입니다.
내가 이해하는 한 거기에서 1-2 Epoch를 설정할 수 있습니다. 거의 항상 처음으로 수렴합니다 .. 여기에 누락이 있었습니까? 오랫동안 사용하지 않았지만 뭔가 혼란 스러울 수 있습니다.