Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 38

 
Yury Reshetov:

A julgar pelo facto de o Dr.Trader já ter falhado ao tentar portar a antiga versão da libVMR para R e não ter memória para uma grande máquina nuclear, bem como o desempenho total para uma pequena (ele reduziu o número de ciclos em 100 vezes), é pouco provável que haja pessoas dispostas a pisar no mesmo ancinho?


Por isso, é melhor não dizer uma palavra sobre portar tais tarefas para o R, já que este clunker não está à altura da tarefa.

Só um conhecimento muito superficial de R permitiria falar de "nags".

Claro, nós colocamos R e vemos um intérprete de cordas de caracteres. Se você for mais fundo, você pode ver o bytecode, mas ele não resolve nenhum dos problemas de eficiência do intérprete. Não há sequer nada para discutir... chato.

Mas se você mergulhar um pouco nos pacotes R, você verá rapidamente que o que você vê no código R está se referindo a outro código. E se você começar a investigar, você verá que para algoritmos computacionalmente intensivos R sempre usa pacotes de terceiros, que foram escolhidos pelo princípio da máxima eficiência. Estas são geralmente bibliotecas C ou Fortran.

Ou, por exemplo, operações matriciais. Considerando que R não tem noção de escalar e tudo começa com vetores e a aritmética matricial é completamente natural para R, a questão de usar uma biblioteca apropriada que NÃO esteja escrita em R é uma questão de princípio. É utilizada a Biblioteca do Kernel Intel Math.

Para além disso, os cálculos em paralelo não só com todos os núcleos do próprio computador, mas também com os computadores vizinhos, é uma operação comum em R.

Então, o que é "irritante" e o que não é, é uma grande questão.

PS.

Não tens de portar nada para o R, só tens de aprender a matemática. R tem tudo o que você precisa e muito mais do que isso.

 
há pagamento por postos? :)
 
mytarmailS:

questão: como dar às novas colunas o nome "a_minus_b"? a_minus_c".

a <- 1:5
b <- 6:10
c <- 11:15
d <- 16:20
dt <- data.frame(a,b,c,d)

res.dt <- data.frame(matrix(nrow=nrow(dt), ncol=0))

for(i in 1:(ncol(dt)-1)){
        for(j in (i+1):ncol(dt)){
                colname <- paste0(colnames(dt)[i], "_minus_", colnames(dt)[j])
                res.dt[, colname] <- dt[, i] - dt[,j]
        }
}
res.dt

Nós seremos pagos pelos postos pelo próprio forex :) Se você ler todas as 38 páginas e tentar na prática e combinar todo o conhecimento, então eu acho que você pode fazer um EA funcional.

 
SanSanych Fomenko:
Poderia, por favor, refutar PROPERIMENTE o conteúdo do artigo ao qual eu liguei. Neste pontoDr.Trader: tentou usar este material. Para o usar muito especificamente. O resultado é negativo. Talvez você possa dar uma opinião sobre o assunto também?

Peço desculpa por estar fora do tópico.
SanSanych, em que língua estás a pensar?
O seu post parece um tradutor do Google. Respeite a língua russa, por favor.

PS, se quiseres ser compreendido...

 
Evento:

Peço desculpa por estar fora do tópico.
SanSanych, em que língua estás a pensar?
O seu post parece um tradutor do Google. Respeite a língua russa, por favor.

PS, se quiseres ser compreendido...

Tenho estado a dizer que toda a minha vida... Você é o primeiro...

Se não entendes alguma coisa, estou pronto para explicar.

 
SanSanych Fomenko:

Tenho estado a dizer que toda a minha vida... Você é o primeiro...

Se não entendes, estou pronto para explicar.

Não tens de explicar. Alguém deve ser o primeiro))

 
Dr. Trader:

Seremos pagos pelo próprio Forex pelos nossos postos :) Todos sabem e sabem algo diferente, e se você ler todas as 38 páginas e tentar na prática, e combinar todo o conhecimento - eu acho que você pode fazer um EA funcional.

Muito obrigado!

Bp. esta ideia de um loop duplo precisa de mais trabalho)

 

Fez uma descrição para o classificador binário jPrediction, postou o código fonte.

Índice:

  1. Características principais.
  2. Previsão de execução jPrediction
  3. Como criar um modelo matemático de um classificador binário em jPrediction
  4. Salvando o modelo em um arquivo
  5. Redução - remoção de características não-informativas do modelo
  6. Carregar e utilizar o modelo para classificação de objetos
  7. Anexo
    1. Amostras adicionais para a classificação binária
    2. Formato de arquivo CSV para jPrediction

Texto completo em arquivo anexo (formato PDF)

jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
  • yury-reshetov.com
Основные характеристики Запуск jPrediction Как создать математическую модель бинарного классификатора в jPrediction Сохранение модели в файл Редукция - удаление неинформативных признаков из модели Загрузка и использование модели для классификации объектов Приложение Дополнительные выборки для бинарной классификации Формат CSV файлов для...
Arquivos anexados:
Reshetov_150.zip  2217 kb
 
Yury Reshetov:

Fez uma descrição para o classificador binário jPrediction, postou o código fonte.


Olá Yuri, obrigado pelo teu trabalho árduo!

1) Você pode explicar mais detalhadamente o que isso significa

  • Sensibilidade é a sensibilidade do modelo em percentagem.
  • Especificidade - a especificidade do modelo em percentagem

2) Se eu tiver um computador fraco, quanto tempo levará para o modelo aprender o modelo em uma amostra de 300 preditores e 100.000 observações

(Seria bom substituir a inscrição "por favor aguarde" pelo cálculo do progresso da formação em % ou algo do género, de modo a não esperar 100 anos até à conclusão)

3) E o "R"?

 
mytarmailS:

Olá Yuri! Obrigado pelo teu trabalho árduo!

1) Você pode explicar com mais detalhes o que isso significa?

  • Sensibilidade - é a sensibilidade do modelo em percentagem
  • Especificidade - a especificidade do modelo em percentagem

Sensibilidade de generalização abiliy - resultados positivos correctamente previstos na amostra de teste: 100% * TP / (TP + FP)

Especificidade da capacidade de generalização - previsão correta de resultados negativos na amostra: 100% * TN / (TN + FN)

onde:

TP - número de resultados verdadeiramente positivos

TN - número de verdadeiros negativos

PF - número de resultados falsos positivos

FN - número de falsos negativos

mytarmailS:

2) Se eu tiver um computador fraco, quanto tempo levará para treinar o modelo em uma amostra de 300 preditores e 100 000 observações

3) E o "R"? Não será?

Não aprenderá de todo, mas dará uma mensagem de erro se o número de preditores na amostra exceder 10 pcs.

mytarmailS:

3) E o "R"?


Se você está tão desesperado, instale o pacote gJava. Chamada de código Java de R

Calling Java code from R
Calling Java code from R
  • 2011.01.01
  • View all posts by darrenjw
  • darrenjw.wordpress.com
In the previous post I looked at some simple methods for calling C code from R using a simple Gibbs sampler as the motivating example. In this post we will look again at the same Gibbs sampler, but now implemented in Java, and look at a couple of options for calling that code from an R session. Stand-alone Java code Below is some Java code for...