Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3024
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
Bu şapkayı python'da yaprak seçimi olan bir ağaçla yapmayı öneriyorum, kolab'da veri kümelerinizi içine kaydırabilirsiniz
Neyin daha iyi/kötü olduğuna dair bir fikriniz varsa, sadece en iyisini almak veya bazı filtrelerden geçirmek için kurallar varsa, bunu önerin
Bir veri setini her iki yaklaşımla da çalıştırarak karşılaştırmak istiyorum. O zaman neyin ne olduğunu anlayacağız :)
İlginç bir fikir!
Her şeyden önce, hangi ağaç uygulamasının yaprak kurallarını daha fazla çalışmak için kolayca çıkarmaya izin vereceğini anlamamız gerekir.
Sonra ağacı inşa etme yolu - açgözlü veya genetik. Tüm popülasyonların ağaçlarının yapraklarını kontrol ettim (eğer doğru anlamadıysam :))
Elbette, genetik yerine orman kullanabilirsiniz, ancak o zaman yaprakları aramak için daha fazla ağaca ihtiyacınız vardır ve tüm örneklemden yapraktaki örneklerin yüzdesine göre budama yapmanız gerekir. Orman ağaçları genetikten daha hızlı olabilir ve tabii ki daha az ayara sahip olacaklardır.
Yeni yaprak üretme işlemi, gerekli (belirtilen) seçilmiş yaprak sayısına ulaşılana kadar gerçekleştirilmelidir.
Bu durumda, ağacı oluşturmadan önce, iki tür örnekten rastgele bir alt örnek oluşturulmasını sağlamak gerekir - birincisi, eğitim örneğinin yüzdesi olarak belirtilen boyuttaki sürekli tekdüze aralıklardan N parçanın seçilmesi, ikincisi ise tamamen rastgele elde edilen bir alt örnektir.
Ağacı oluşturmak için kullanılan rastgele bir tahminci kümesi.
Tüm veriler için ön işleme konusunda - daha fazla düşünülmesi gerekir.
Yaprakları değerlendirmek için kriterler - daha sonra da eklenebilir, ancak özü, metriklerin belirli bir eşiğe sahip olmasıdır. Hangi ölçütlere sahip olduğunuzu bilmiyorum ve ne kullandığımı hatırlamıyorum - kodu ayrıştırmam gerekiyor. Denge, beklenti matrisi ve kurtarma faktörü alabilirsiniz.
Tahmin, tüm eğitim örneğinin her aralığında gerçekleşmelidir, aralık sayısı ayarlanır. Herhangi bir aralıkta gerekli kritere ulaşılmazsa, yaprak arşivlenir veya atılır. Yapraklardan oluşan bir veritabanı tuttum, tekrar kontrol etmemek için kopyaları kaldırdım.
Yaprakları seçtikten sonra, benzerliklerine göre gruplandırılmaları gerekir, belki de sıra korelasyonu bunu doğru şekilde yapar. Daha sonra grup içinde ağırlıkları dağıtın ve gruplar için oylama kurallarına karar verin. Ancak, belki de bu zaten çok fazla ve en azından yeni bir verinin etkili olacağı yaprakların nasıl seçileceğini öğrenmeye değer.
Deneyi hangi örnek üzerinde yapmak istediğinizden tam olarak emin değilim - benim vereceğim örnek mi yoksa rastgele oluşturulacak örnek mi?
Her halükarda, yöntemleri karşılaştırmak için örneklem aynı ve geniş bir zaman aralığı için olmalıdır, bu da döngüselliği değilse de büyük TF'lerdeki farklı piyasa aşamalarının eğilimlerini hesaba katmaya izin verecektir.
Kullandığım yöntemin çok yavaş olduğunu hemen söyleyeyim. Belki de yaprak değerlendirme işlemini MQL5'te yapmak daha iyidir - bu, yükün çekirdekler üzerinde dağıtılmasına izin verecektir.
İlginç bir fikir!
Şimdilik bir ağaç üzerinde basit bir örnek çizeceğim ve hemen test edeceğim, daha sonra istediğimiz gibi genişleteceğiz
herhangi bir veri kümesinde, google disk aracılığıyla hiçbir şey yüklemeden indirebilir ve orada test edebilirsiniz.
Hızlı çalışmasını istiyorum )Bir kerede test edilebilmesi için şimdilik bir ağaç üzerinde basit bir örnek çizeceğim, daha sonra istediğimiz gibi genişleteceğiz
herhangi bir veri kümesinde, google disk aracılığıyla indirebilir ve hiçbir şey yüklemeden orada test edebilirsiniz.
Hızlı çalışmasını istiyorum )Güzel - önemli olan başlamak! :)
Artık komik değil.
"Komik" kelimesinin bununla ne alakası var?
Örneklem dışı bir durum var mı yok mu?
"Komik "in bununla ne alakası var?
Örneklem dışı bir durum var mı yok mu?
Ve eğer bulursam
ve eğer bulursam
"Eğer" diye bir şey yok. Bu bir yargı standardıdır. Örneklem dışı tahmini olmayan herhangi bir tahmin ilginç değildir.
ve eğer bulursam
On dönemlik bir OOS ileri ve geri grafiği oluşturun.
Bunun "eğer" ile bir ilgisi yoktur. Bu bir yargı standardıdır. Örneklem dışı bir değerlendirme olmadan yapılan hiçbir değerlendirme ilginç değildir.
On dönemlik bir OOS ileri ve geri grafiği oluşturun.
Bu kadar gülmek yeter.
Mısırlı ile mi konuşuyorsun yoksa benimle mi?
Bu konudaki faaliyetlerinizden oldukça memnun olduğumu belirtmek isterim.