Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 3250

[Renat Akhtyamov]

Andrey Dik #:

ve kim tefle dans eder?

Bunu parmaklarımla nasıl açıklayacağımı bulmak için çok düşünmem gerekti.

Cevap doğal olarak bir yumurta kadar basittir.

İçinde benim de bir yazımın bulunduğu çok güzel bir konu vardı:

İşlem sonundaki başarısızlık, testin kapatılmamış pozisyonlarda sona ermesinden kaynaklanır - MQL4 ve MetaTrader 4 - MQL5

10 yıl önce zaten böyle programlar yaptım ve burada böyle bir kârınız yok, testlerde bile yok

Ve gerçek hayatta bu EA sıfırın etrafında dolaşıyor ve kesinlikle büyüme yok.

Yani sonuç çok açık

gerçek ti̇caret asla bi̇r testçi̇ni̇n kasesi̇ gi̇bi̇ olmayacaktir.

Diğer şeylerin yanı sıra, MOSHKA tarafından yönlendirilen

Ancak tutarlı bir şekilde ve giderek daha fazla para kazanmak için tahmin yapmamak gerekir, hiç değil.

algoritmayı, yani değişken fiyatlı herhangi bir piyasanın nasıl çalıştığını anlamanız ve çözmeniz gerekir.

algoritma aynıdır, %100

ve ancak bundan sonra para kazanma olasılığını vurgulayacak böyle bir göstergeye sahip olacaksınız.

Bütün mesele bu, ondan sonra hiç ihtiyacınız yok.

;)

Yalan mı?

Hayır,

Gerçek hayattaki rakamları da ekliyorum.

ve eksi ile denge, kesinlikle bir demo değil ;))))))

[fxsaber]

Maxim Dmitrievsky #:

Başlangıçta MO olmadan çok boyutlu dizilerdeki desenlerin nasıl aranacağıyla ilgileniyordum.

MO'nun yaptığı ana görevin bu olduğunu söylemek doğru mu?

[Andrey Dik]

Renat Akhtyamov #:

Bunu parmaklarımla nasıl açıklayacağımı bulmak için çok düşünmem gerekti.

...

teşekkür ederiz, görüşlerimiz sizin için çok değerli!

[fxsaber]

Maxim Dmitrievsky #:

Hala tüm olası çiftleri tek seferde sayıyorum. Hala denemek istediğim bir sürü girdi var. Sorun değil. Sadece STUMPY'de yaklaşık olarak hesaplamak ve sonra iyileştirmek mümkün. Gözle görülür bir hızlanma, artı paralelleme ve GPU üzerinde elde edersiniz. Muhtemelen tamamen bu pakete geçeceğim.

Önemli olan, balığın kesinlikle nerede olmadığını bildirmeyi unutmamaktır.

[Maxim Dmitrievsky]

fxsaber #:

Savunma Bakanlığı'nın ana görevinin bu olduğunu söylemek doğru olur mu?

Aslında evet.

[Maxim Dmitrievsky]

Renat Fatkhullin #:

3980, karmaşık, vektör<kompleks> ve matris<kompleks> türleri için Konjugat yöntemlerini uygulamıştır. Karmaşık sayılar için eşleniklik gerçekleştirirler.

Ayrıca, harita dizisi türündeki ONNX model çıktısının işlenmesi de eklenmiştir. ONNX Runtime'ın işlevselliği ciddi şekilde geliştirildi.

Ve şimdi ipuçları veriyor, süper

Bunun bir dizi yapı olduğu ortaya çıkıyor

vectorf in = vector<float>::Zeros(SAMPLE_SIZE);
   static vector out(1);
   
   struct abc 
     { 
      long a[];     
      float b[];
     };
   
   abc out2[1];
  
   OnnxRun(ExtHandle,ONNX_DEBUG_LOGS,in,out,out2);

Yani out2 için artık hata yok. Daha sonra tekrar kontrol edeceğim.

[Maxim Dmitrievsky]

Forester #:

Korelasyonun abs değeri açısından en büyük sayılardan etkileneceğini düşünüyorum. Örneğin, 10000 ve 10100 hacimlerindeki bir değişiklik ve bunların arka planında 0,00040 ve 0,00400 fiyatlarındaki bir değişiklik mikroskobik olarak küçük olacaktır ve tüm setin korelasyonu üzerinde çok az etkisi olacaktır. Bu hipotezi test etmek için bir normalleştirme yapardım.

Orada düzgün bir şekilde artan bir dönemim var, bu yüzden belki de herhangi bir etkisi yoktur

Bir deneyeceğim.

[mytarmailS]

Maxim Dmitrievsky #:

)) Ben de gördüm

Başlangıçta MO olmadan çok boyutlu dizilerdeki desenleri nasıl arayacağımla ilgileniyordum. Şimdiye kadar tüm ölçümleri bir araya getirmekten ve korelasyon yoluyla hesaplamaktan daha iyi bir şey düşünmedim(biraz hızlı). Sanırım bazen değerlerin çok farklı olmaması için normalize edilmesi gerekiyor.

3-5 yıl önceki izlerimi takip ediyorum.....

Yaptığınız ve düşündüğünüz her şeyi grafikler, düşünceler ile burada zaten yayınladım... komik....

Çok değişkenli verilerde örüntü aramak için bulduğumiki çözüm var , biri MO'suz ve diğeri MO'lu.

1) (MO OLMADAN)

Herhangi bir boyut azaltma algoritması PCA, t-sne, umap vb. kullanarak verilerin boyutluluğunu birkaç boyuta indirin.

Yani 300 özelliğiniz vardı ve 2-5...10... elde ettiniz, sonra kalıpları yakınlık veya kümeleme ile karşılaştırırsınız....

Bu, verilerle çalışmak için bilinen bir uygulamadır.

2) (MO İLE)

(Yazarımın yaklaşımı) Diyelim ki 200 özellikli çok değişkenli verimiz var.

1) İstediğimiz örüntüyü seçiyoruz.

2) İkili sınıflandırma MO'sunu (bu örüntü/bu örüntü DEĞİL) eğitiriz, yani traine üzerinde "örüntü" olarak etiketlenmiş bir gözlemimiz ve "örüntü DEĞİL" olarak etiketlenmiş birçok gözlemimiz vardır.

3) Modeli örüntü ve örüntü DEĞİL arasında ayrım yapacak şekilde eğitiriz.

4) Testte MO'dan "örüntü" sınıfına göre olasılıksal bir çıkarım yaparız ve olasılık artışlarını izleriz.

Bu şekilde çok boyutlu özellikler sorununu zarif bir şekilde aşabilir ve ihtiyacımız olan alt örüntüleri arayabiliriz.

[mytarmailS]

fxsaber #:

Savunma Bakanlığı'nın ana görevinin bu olduğunu söylemek doğru olur mu?

Doğru değil

[mytarmailS]

Ve böylece, sadece bir cevap.

Korelasyon normalizasyona ihtiyaç duymaz, Öklid mesafesi değildir, normalizasyon zaten korelasyonun içine gömülüdür