Конвертация 7 функций из кода C++ в MQL5

Техническое задание

Необходимо конвертировать функции из кода C++ по этой ссылке в MQL5.

Список функций:

THolder<IBinarizer> MakeBinarizer(const EBorderSelectionType type) {
switch (type) {
case EBorderSelectionType::UniformAndQuantiles:
return MakeHolder<TMedianPlusUniformBinarizer>();
case EBorderSelectionType::GreedyLogSum:
return MakeHolder<TGreedyBinarizer<EPenaltyType::MaxSumLog>>();
case EBorderSelectionType::GreedyMinEntropy:
return MakeHolder<TGreedyBinarizer<EPenaltyType::MinEntropy>>();
case EBorderSelectionType::MaxLogSum:
return MakeHolder<TExactBinarizer<EPenaltyType::MaxSumLog>>();
case EBorderSelectionType::MinEntropy:
return MakeHolder<TExactBinarizer<EPenaltyType::MinEntropy>>();
case EBorderSelectionType::Median:
return MakeHolder<TMedianBinarizer>();
case EBorderSelectionType::Uniform:
return MakeHolder<TUniformBinarizer>();
}

Описание методов можно посмотреть по ссылке.

Результатом работы должны быть такая функция

Mode How splits are chosen
Median Include an approximately equal number of objects in every bucket.
Uniform Generate splits by dividing the [min_feature_value, max_feature_value] segment into subsegments of equal length. Absolute values of the feature are used in this case.
UniformAndQuantiles Combine the splits obtained in the following modes, after first halving the quantization size provided by the starting parameters for each of them:
- Median.
- Uniform.
MaxLogSum Maximize the value of the following expression inside each bucket:
∑ i = 1 n log ⁡ ( w e i g h t ) , w h e r e \sum\limits_{i=1}^{n}\log(weight){ , where} i=1nlog(weight),where
- n n n — The number of distinct objects in the bucket.
- w e i g h t weight weight — The number of times an object in the bucket is repeated.
MinEntropy Minimize the value of the following expression inside each bucket:
∑ i = 1 n w e i g h t ⋅ l o g ( w e i g h t ) , < b r / > w h e r e \sum \limits_{i=1}^{n} weight \cdot log (weight) { ,<br/> where} i=1nweightlog(weight)where
- n n n — The number of distinct objects in the bucket.
- w e i g h t weight weight — The number of times an object in the bucket is repeated.
GreedyLogSum Maximize the greedy approximation of the following expression inside every bucket:
∑ i = 1 n log ⁡ ( w e i g h t ) , w h e r e \sum\limits_{i=1}^{n}\log(weight){ , where} i=1nlog(weight),where
- n n n — The number of distinct objects in the bucket.
- w e i g h t weight weight — The number of times an object in the bucket is repeated.
void Quant (int Type_Quant,int N, double &arr_In[],float &arr_Out[])
{
}


Откликнулись

1
Разработчик 1
Оценка
(50)
Проекты
94
29%
Арбитраж
3
33% / 0%
Просрочено
4
4%
Свободен
2
Разработчик 2
Оценка
Проекты
0
0%
Арбитраж
0
Просрочено
0
Свободен
Похожие заказы
I am looking to enhance the profitability of my current Expert Advisor (EA) using a Martingale approach with a CCI Indicator (the code is approximately 1200 lines currently) and would like to implement several key improvements. Below, I have detailed the areas where I believe the EA can be optimized and made more effective and i have provided the code in a .txt file: Note: I would like to run this EA most preferably
Есть советник, нужно только поменять название,описание, сделать привязку к счету, чтобы была защита,чтобы мы могли клиенту давать советник, и была привязка к 1-3 счетам только. Если возможно , сделать привязку к времени, чтобы была привязка лицензии еще на время, например на месяц, 2-3 по ценам договоримся отдельно
Здравствуйте, ищу исполнителя, который поможет реализовать следующее: Нужно реализовать выдачу лицензионных ключей для программного обеспечения через оплату подписки в телеграмм боте. Как это должно выглядеть: Пользователь заходит в телеграмм бот, выбирает вариант подписки, после чего его перебрасывает на сайт Cryptomus, где пользователь производит оплату, после того, как оплата произведена, генератор ключей
Приобрету готовый продукт, стратегию на pine TradingView или уже переведенный на python , который имеет 1.5-2+ профит фактор. Желательно чтобы торговля осуществлялась и в длинную, и в короткую. Робот обязательно должен контролировать риски, соответственно иметь SL ( не динамический!) на каждую сделку и не иметь огромных просадок (не в эквити, ни на чистом балансе). Просадки MDD выше 30% при оптимальных настройках
1. Понимание экспоненциальной и линейной функций: - Экспоненциальная функция имеет вид: y = a * b^x, где a - начальное значение, b - основание экспоненты. - Линейная функция имеет вид: y = mx + b, где m - коэффициент наклона, b - свободный член. 2. Определение целевых значений: - Необходимо определить, к каким значениям на линейном графике должны соответствовать точки на экспоненциальном графике. 3. Решение

Информация о проекте

Бюджет
50+ USD
Исполнителю
45 USD