Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 1037
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Há um interno.
Olá!
Alguém sabe de um exportador de citações inteligentes do mt4 para o arquivo txt ou csv?
em modo detempo real.
........
Mas obrigado na mesma.
P.S. Recebi alguma ajuda de boas pessoas.
não algo, mas uma contraparte às vezes mais complicada e ineficiente.
e ele próprio não consegue explicar completamente o que fez asneira e porquê :)
É difícil dizer o que há lá, o seu artigo RANDOM DECISION FOREST IN THE TRAINING
Estudei ontem à noite, é claro que não há muita informação, mas fiquei muito impressionado com o exemplo... Eu provavelmente não deveria ter postado o exemplo! Passei metade da noite olhando as fotos do testador, é incrível! )))
Se estou falando sério, a própria aprendizagem da máquina parece funcionar, mas o problema está nos dados de entrada - a máquina precisa aprender diferentes partes dos dados de preço, separadamente para movimentos planos ou laterais, separadamente para movimentos de tendência, e a idéia de escolher parâmetros indicadores que eu ainda não gosto - o mercado está mudando constantemente e os parâmetros indicadores escolhidos são o mesmo jogo - adivinhe ou adivinhe.
como primeiro passo, ou seja, ensinar o carro a, por exemplo, se foi um dia de tendência, então será uma tendência lateral - deixar o carro aprender a identificar pelo menos esse momento - é uma verdadeira aprendizagem da máquina
por isso é assim
é difícil dizer o que há lá fora, o seu artigo RANDOM DECISION FOREST IN THE TRAINING WITH CONNECTION
Estudei-o ontem à noite, sem muita informação, claro, mas fiquei muito impressionado com o exemplo... Eu provavelmente não deveria ter postado o exemplo! Passei metade da noite olhando as fotos do testador, é incrível! )))
Se estou falando sério, a própria aprendizagem da máquina parece funcionar, mas o problema está nos dados de entrada - a máquina precisa aprender diferentes partes dos dados de preço, separadamente para movimentos planos ou laterais, separadamente para movimentos de tendência, e a idéia de escolher parâmetros indicadores que eu ainda não gosto - o mercado está mudando constantemente e os parâmetros indicadores escolhidos são o mesmo jogo - adivinhe ou adivinhe.
como primeiro passo, ou seja, ensinar o carro a, por exemplo, se foi um dia de tendência, então será uma tendência lateral - deixar o carro aprender a identificar pelo menos esse momento - é uma verdadeira aprendizagem da máquina
deste modo
há um link para um livro inteiro para mais detalhes :)
não algo, mas uma contraparte às vezes mais complicada e ineficiente.
E ele próprio não consegue explicar completamente o que fez asneira e porquê :)
Só não vejo a utilidade de explicar algo a alguém que conseguiu confundir o limiar de alguma modificação com o parâmetro R da AlgLib que, na verdade, apenas divide a amostra em ensinável e testa uma.
O lucro e o "análogo ineficiente" ainda são combinados.
Eu modifiquei a floresta de AlgLib, por isso conta com preditores envolvidos. Não quero divulgar a lista de preditores, porque "eles ainda não merecem", mas o número está guardado.
Só não vejo a utilidade de explicar nada a alguém que conseguiu confundir o valor limiar de alguma modificação com o parâmetro R da AlgLib, que na verdade apenas divide a amostra em ensinável e amostra de teste.
Afinal, lucro e "analógico ineficiente" andam juntos.
Eu modifiquei a floresta de AlgLib, para que ela mantenha a contagem dos preditores envolvidos. Não quero revelar a lista de preditores em si, porque "ainda não o merecem", mas o número está guardado.
49
Ninguém aqui te compreende, incluindo eu. Como você sabe escrever código, mas não consegue expressar seus pensamentos em letras.
Que valor limite e r, eu não escrevi nada.
Porquê colocar a biblioteca sem uma descrição e depois escrever que "não a merecem"?
Só não vejo a utilidade de explicar nada a alguém que conseguiu confundir o valor limiar de alguma modificação com o parâmetro R da AlgLib, que na verdade apenas divide a amostra em ensinável e amostra de teste.
O lucro e o "analógico ineficiente" combinam, no entanto.
Eu modifiquei a floresta de AlgLib, de modo a contar os preditores envolvidos. Não quero revelar a lista de preditores em si, porque "eles ainda não merecem", mas o número está salvo.
Por acaso já modificou a floresta para permitir que as árvores sejam podadas nela? Seria interessante tentar.
Maxim Dmitrievsky:
que valor limiar e r, eu não te escrevi nada disso.
A floresta não dá probabilidades de ser membro da classe, por isso estas desigualdades são um disparate.
>< 0,5 e pronto, não há outra maneira. E depois há a questão de qual é melhor - sinais binarizados e saídas ou não.
você pode dividir as classes de 0 a 100, não há diferençaah, certo
O resultado de todos os algoritmos de classificação incluídos no pacote ALGLIB é um vetor de probabilidades condicionais, não uma classe à qual o objeto pertence.
Mas isso não é muito consolador. Haverá menos sinais e não necessariamente mais resultados. Para mim, por exemplo, não. Eu estabeleci um limiar de 0,5 em todo o lado agora.
O mais importante é a comparabilidade dos erros no comboio e no oob.
acho que também tenho um algibe)
E então percebi que o "limiar" é chamado de parâmetro R da AlgLib.
Ler código fonte é muito mais importante do que ler artigos teóricos. O programador deve ler o código fonte do qual depende a implementação do programa.
E quanto aos posts anteriores?
No início pensei que estavam a ser usadas modificações, das quais há muitas. É verdade, o conceito de "peso" é usado aí, não de "limiar". Bem confuso... Mas depois isto:
E então percebi que o "limiar" é o parâmetro R da AlgLib.
Ler as fontes dá muito mais do que ler artigos teóricos. O programador é obrigado a ler as fontes, das quais depende a execução do programa.
Eu dei uma citação do site da AlgLib:
"o resultado de todos os algoritmos de classificação incluídos no pacote ALGLIB não é a classe a que o objeto pertence, mas um vetor de probabilidades condicionais".
ou seja, confirmou as suas palavras que a saída é probabilidades. Estas são, claro, pseudo-probabilidades, mas mesmo assim. Não estudei em detalhes como eles são contados, mas logicamente a palavra "probabilidades" tem apenas um nome lá.
Por acaso já modificou a floresta para que possa podar árvores nela? Seria interessante tentar.
Eu citei do site da ALGLIB:
"o resultado de todos os algoritmos de classificação incluídos no pacote ALGLIB não é a classe à qual o objeto pertence, mas um vetor de probabilidades condicionais".