Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 550
![MQL5 - MetaTrader 5 müşteri terminalinde yerleşik ticaret stratejileri dili](https://c.mql5.com/i/registerlandings/logo-2.png)
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Eh, olduğu gibi, evet, bunlar bazı hazır ekonomiler değil. modeller, ancak herhangi bir alan için yalnızca bir dizi evrensel araç
parametrik olmayan ekonometri sadece MO ve bulanık mantıkla ilgilidir, ancak henüz anlaşılır bir şey görmedim, belki de bazı genel yaklaşımlar geliştirilmediği için. Eh, DNN'ye daha fazla gösterge dolduranlar ve nasıl çalıştığının net olmadığı net olmayanlar dışında :)
Korkarım Maxim, ama bence sinir ağları burada makalelerde okuduğum biçimde uygulanamaz. Normalleştirmenize rağmen fiyatın kendisi ile çalışıyorsunuz ama fiyatın olasılık yoğunluğu ile çalışmanız gerekiyor. Heisenberg'in belirsizlik ilkesiyle indirgenemez çelişki burada yatmaktadır. Ama karışmayacağım - yine de ilginç.
Sen karışma, istediğini yaz - herkese açık. Ve bir anda değil, dağıtımlarınıza da geleceğiz, bir takım "tarif edilemez" fikirlerimiz varken :D
Genel olarak, dans benim için devam etti çünkü LR ve RF için özelliklerin önemini python veya R aracılığıyla almak gerekliydi, sonra bir şeye kapıldım ve daha fazla çalışmaya başladım.
Ulusal Meclis'te, değişen piyasayı hesaba katarak makinede "iyi işaretleri" periyodik olarak kaydırması gereken bir bot var, ancak aksi halde böyle çalışıyor .. dönemler için
Sen karışma, istediğini yaz - herkese açık. Ve bir anda değil, dağıtımlarınıza da geleceğiz, bir takım "tarif edilemez" fikirlerimiz varken :D
Genel olarak, dans benim için devam etti çünkü LR ve RF için özelliklerin önemini python veya R aracılığıyla almak gerekliydi, sonra bir şeye kapıldım ve daha fazla çalışmaya başladım.
Ulusal Meclis'te, değişen piyasayı hesaba katarak makinede "iyi işaretleri" periyodik olarak kaydırması gereken bir bot var, ancak aksi halde böyle çalışıyor .. dönemler için
Maksim, danışmanının nesi var? Testlere nereden bakabilirim veya her şey sınıflandırılmış mı?
https://github.com/RandomKori/Py36MT5 İşte MT5 için Python kitaplığı kaynakları. Sadece burada dizilerle ilgili sorun var. Bir diziyi geçirmek veya bir diziyi almak düzgün çalışmıyor. Visual Studio'da DLL kodunda hata ayıklandı. İçinde her şey çalışıyor. Soru, bunun bir terminal hatası olabileceğidir. Kütüphane ile nasıl çalışılacağını yazmadı. Amacı yok. Diziler olmadan kimsenin buna ihtiyacı yoktur. Her ne kadar pythom.mqh dosyasında karışmış olsa da, çözmeme yardım edin. Herkes faydalanacak.
Gerçek diziler olması gerektiği gibi çalışır. Uzun diziler çalışmıyor.
long ile int ile değiştirildi. Şimdi her şey çalışıyor. Kütüphane kullanılabilir. Sadece kullanım hakkında yorum yazacağım.
Maksim, danışmanının nesi var? Testlere nereden bakabilirim veya her şey sınıflandırılmış mı?
Gittikçe daha iyi yapıyorum .. ama konunun karmaşıklığından dolayı yavaş yavaş
Piyasa için bir modelin nasıl düzgün bir şekilde oluşturulacağına dair bazı gözlemler/düşünceler (deneyimden):
Sinir ağı sınıflandırıcıları için : sınıf dengeleme gereklidir, 2 veya daha fazla sınıf için örnek sayısı dengelenmelidir. Model bir trend alanında eğitilmişse, sinyalleri yansıtabilir ve karşı örnekler ekleyebilirsiniz. Aynı zamanda, işaretler, anlaşılabilir bir şekilde, hedefle ilişkili olmak zorunda değildir.
Sinir ağı regresörleri için : özellikle model çıktı fiyatları üzerinde eğitildiğinde, en az bir özelliğin hedefle güçlü bir şekilde ilişkilendirilmesi gerekir. Bu yapılmazsa, 3 pinede regresyoncu kafa karıştıracak ve örnekte tekrar eden veya benzer örnekler varsa, ancak farklı çıktı fiyatları ile fiyatı doğru bir şekilde tahmin edemeyecektir. Bunu yapmak için, diğer özelliklere ek olarak, büyük bir gecikme (50'den fazla) ve daha fazla eğitim ile normalleştirilmiş artışlar gönderebilirsiniz. örnekleme, yinelenen seçenekleri hariç tutmak için daha fazla gecikme gerekir. Ayrıca, bu tür birkaç serinin birbirine göre bir kayma ile artışlarla sunulması arzu edilir, o zaman her bir bireysel durum neredeyse açık bir şekilde yorumlanacaktır.
Sınıflandırıcılar olarak rastgele ormanlar için: NN ile aynı.
Regresör olarak rastgele ormanlar için: NN ile aynı, neredeyse işe yaramaz bir alıştırma, ancak çıkış için fiyat vermek imkansızdır (çünkü ormanlar tahmin edilmez) ve bu amaçlar için artışlar verirseniz, ormanlar 3 çama dolanmış, yani. birçok kesişen örnek olacaktır.
Piyasa için bir modelin nasıl düzgün bir şekilde oluşturulacağına dair bazı gözlemler/düşünceler (deneyimden):
Sinir ağı sınıflandırıcıları için : sınıf dengeleme gereklidir, 2 veya daha fazla sınıf için örnek sayısı dengelenmelidir. Model bir trend alanında eğitilmişse, sinyalleri yansıtabilir ve karşı örnekler ekleyebilirsiniz. Aynı zamanda, işaretler, anlaşılabilir olan hedefle ilişkili olmak zorunda değildir .
Tam tersi görüş. Gerçek hayatta işe yarayacak kanıtım var. Benim için net olan bir şey var ki, kahve telvesi ve Satürn'ün halkaları üzerine bir sınıflandırma yapmanın imkansız olduğu, ASLA - bu şamanizmdir. Numune dışı modeller, yalnızca tahmin edicilerin girdi kümesi engellenirse ve yalnızca hedefle ilgili olanlar kalırsa, numune içi ile kabaca aynı sonucu verir. Ayrıca, bir gürültü giderme algoritmam var ve kalan tahmin ediciler için hesaplama sonuçları, bu tahmin ediciler kümesi için sınıflandırmanın olacağı marjinal hatayı veriyor.
Tam tersi görüş. Gerçek hayatta işe yarayacak kanıtım var. Benim için net olan bir şey var ki, kahve telvesi ve Satürn'ün halkaları üzerine bir sınıflandırma yapmanın imkansız olduğu, ASLA - bu şamanizmdir. Numune dışı modeller, yalnızca tahmin edicilerin girdi kümesi engellenirse ve yalnızca hedefle ilgili olanlar kalırsa, numune içi ile kabaca aynı sonucu verir. Ayrıca, bir gürültü giderme algoritmam var ve kalan tahmin ediciler için hesaplama sonuçları, bu tahmin ediciler kümesi için sınıflandırmanın olacağı marjinal hatayı veriyor.
benim için bu soru hiç de açık değil, eğer doğrusal olmayan bir sınıflandırıcı elde edilirse .. ne ile ilişkilendirilmeli? ) ve kategorik özelliklerimiz varsa, o zaman regresyon hiç işe yaramaz, ancak sınıflandırma - evet
ancak gerileme için haklı