Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2590
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
Anteriormente você teve a idéia de combinar métricas padrão com métricas personalizadas, o que eu entendi significar que os modelos são treinados usando métricas padrão e selecionados usando métricas personalizadas.
sim, na verdade, o critério combinado é melhor
mas existem as chamadas métricas de avaliação como roc ou assgasu, o bussing é parado por eles, embora seja treinado através da minimização da perda de logloss. Depois temos métricas personalizadas.
Então você pode executar modelos no otimizador em MT5 para ajustar os parâmetros de stop loss, e há muito trabalho ingrato :)
No espaço de parâmetros do modelo? Tem uma enorme dimensionalidade. Isto só é possível para modelos muito simples com um pequeno número de preditores.
Não está muito claro como é possível construir uma superfície no espaço de grande dimensionalidade. Nós simplesmente temos muito poucos pontos em comparação com esta dimensionalidade. A menos que através de alguns métodos de visualização de redução dimensional como PCA, etc., mas o ponto não é claro.
Depois também pode executar os modelos no optimizador MT5 para ajustar os parâmetros de stop loss, etc.
Com o que você deve fazer isso? Ou estamos a falar dos modelos escritos em MQL5?
O que você usa para fazer isso? Ou estamos a falar de modelos escritos em MQL5?
Ou transferido, ver artigos sobre catboost neste site (pesquisa). A minha ou a do Alexey.
Mm, eu não tenho a essência de como python foi portado para MQL5, mas eu descobri que aparentemente usando uma função dohttps://www.mql5.com/ru/articles/8642 você pode puxar modelos de catbust do código mql5. Eu uso principalmente o XGBoost, mas o catbust também é possível). Eu concordo sobre redes neurais e dados tabulares. Tanto quanto sei, usando código do artigo posso usar modelos Catbust, mas outras bibliotecas não podem. Bem, isso também é bom. Agora estou usando uma abordagem onde não estou limitado na escolha de bibliotecas Python - estou puxando modelos do código mql5 através de API em Python. Neste caso não estou limitado por bibliotecas, mas é mais lento, na variante do artigo - limitado por bibliotecas, mas aparentemente a ordem/ordem é mais rápida.
Sim, é exactamente assim que eu vejo... Reconstruir o OP e depois visualizá-lo via PCA...
Para ser honesto, não faz muito sentido. Uma projecção de pequenas dimensões não pode, em princípio, representar tudo o que pode estar no caso multidimensional. Extrema, por exemplo, pode ser pontos de sela - um máximo em algumas variáveis e um mínimo em outras. E se a superfície não for lisa, qualquer coisa pode acontecer lá.
Teoricamente, poderia fazer um pouco mais de sentido usar PLS em vez de PCA.Para ser honesto, não faz muito sentido. Uma projeção de baixa dimensão não pode, em princípio, representar tudo o que pode estar no caso multidimensional. Extrema, por exemplo, pode ser pontos de sela - um máximo em algumas variáveis e um mínimo em outras. E se a superfície se revelar não lisa, qualquer coisa pode estar lá.
Teoricamente, poderia fazer um pouco mais de sentido usar PLS em vez de PCA.Talvez a implementação actual faça pouco sentido, mas a essência do que se trata pode ser mais importante do que todo este ramo.
Mm, eu não tenho a essência de como python foi transferido para MQL5, mas eu entendi que aparentemente usando a função dehttps://www.mql5.com/ru/articles/8642 você pode puxar modelos de catbust do código mql5. Eu uso principalmente o XGBoost, mas o catbust também é possível). Eu concordo sobre redes neurais e dados tabulares. Tanto quanto sei, usando código do artigo posso usar modelos Catbust, mas outras bibliotecas não podem. Bem, isso também é bom. Agora eu uso abordagem onde não estou limitado na escolha de bibliotecas Python - estou puxando modelos de código mql5 através de API em Python. Neste caso não limitado por bibliotecas, mas mais lento, na variante do artigo - limitado por bibliotecas, mas aparentemente mais rápido ordenar/encomendar.
A versão do artigo já é final, para aplicar modelos treinados em python no MT5 sem camadas. Ele salva as divisões de árvore em c++ do programa python e depois as traduz em código mql, mais a função de cálculo de classe.
Óptimo, vou ter de tentar um dia destes.
Óptimo, vou ter de tentar um dia destes.