Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3413
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Да, что-то из этой области, я начал делать на базе k-means , потом узнал, что такой подход используется в целом в разных областях. Но, какой пакет позволяет это делать - не знаю. Да и для переноса в терминал удобней будет свой код использовать - не уверен в поддержке ONNX.
k-means в Алглибе есть в Include\Math\Alglib\dataanalysis.mqh
Но ему лучше данные подавать в нормализованном виде (в одном масштабе). Иначе например изменения в 1000 одних единиц (например объемы) полностью заглушат измения 0,01000 (например цены).
еще пару лет и Алексей поймет что все его квантование это корявая попытка сделать обычную кластеризацию )
k-means в Алглибе есть в Include\Math\Alglib\dataanalysis.mqh
Но ему лучше данные подавать в нормализованном виде (в одном масштабе). Иначе например изменения в 1000 одних единиц (например объемы) полностью заглушат измения 0,01000 (например цены).
Да, поэтому мне и кажется затея интересной - относительно легко портироваться должна, в теории. Алглиб поддерживает сохранение и применение моделей?
Касаемо нормализации, в целом нормализация нужна, но листья бинарные - проблема отпадает сама собой.
Да, поэтому мне и кажется затея интересной - относительно легко портироваться должна, в теории. Алглиб поддерживает сохранение и применение моделей?
Касаемо нормализации, в целом нормализация нужна, но листья бинарные - проблема отпадает сама собой.
//| INPUT PARAMETERS: |
//| XY - dataset, array [0..NPoints-1,0..NVars-1]. |
//| NPoints - dataset size, NPoints>=K |
//| NVars - number of variables, NVars>=1 |
//| K - desired number of clusters, K>=1 |
//| Restarts - number of restarts, Restarts>=1 |
//| OUTPUT PARAMETERS: |
//| Info - return code: |
//| * -3, if task is degenerate (number of |
//| distinct points is less than K) |
//| * -1, if incorrect |
//| NPoints/NFeatures/K/Restarts was passed|
//| * 1, if subroutine finished successfully |
//| C - array[0..NVars-1,0..K-1].matrix whose columns|
//| store cluster's centers |
//| XYC - array[NPoints], which contains cluster |
//| indexes |
Получите массив C с центрами кластеров, потом по своей новой точке ищете к какому из центров она ближе.
Там еще ниже есть что-то про кластреризацию, может там есть готовая ф-я для прогноза. Разбирайтесь.//| k-means++ clusterization |
//| INPUT PARAMETERS: |
//| XY - dataset, array [0..NPoints-1,0..NVars-1]. |
//| NPoints - dataset size, NPoints>=K |
//| NVars - number of variables, NVars>=1 |
//| K - desired number of clusters, K>=1 |
//| Restarts - number of restarts, Restarts>=1 |
//| OUTPUT PARAMETERS: |
//| Info - return code: |
//| * -3, if task is degenerate (number of |
//| distinct points is less than K) |
//| * -1, if incorrect |
//| NPoints/NFeatures/K/Restarts was passed|
//| * 1, if subroutine finished successfully |
//| C - array[0..NVars-1,0..K-1].matrix whose columns|
//| store cluster's centers |
//| XYC - array[NPoints], which contains cluster |
//| indexes |
Получите массив C с центрами кластеров, потом по своей новой точке ищете к какому из центров она ближе.
Там еще ниже есть что-то про кластреризацию, может там есть готовая ф-я для прогноза. Разбирайтесь.Я так понимаю, что нужен массив ещё для каждого кластера, в котором значения весов (элементов) центройда - без них не посчитать на новых данный.
Я так понимаю, что нужен массив ещё для каждого кластера, в котором значения весов (элементов) центройда - без них не посчитать на новых данный.
Там нет весов, там (в С) координаты центров.
Как я понимаю, нужна мю. Она для каждого предиктора своя, отсюда и вектор/массив.
Как я понимаю, нужна мю. Она для каждого предиктора своя, отсюда и вектор/массив.
Как я понимаю, нужна мю. Она для каждого предиктора своя, отсюда и вектор/массив.
мю - это середина отрезка, кластера в данном случае, я так понял
если бы была окружность, то формула подходит