Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2098

 
Maksim Dmitrievski :
Evet, komik, not alacağım

Bazı GPT-3'te, kotiri de itebilirsiniz.

 
Rorschach :

Bazı GPT-3'te, kotiri de itebilirsiniz.

Kotir'i resimlere çevirmek sadece pahalı, bu yüzden tek boyutlu kıvrımlardan yanayım
 

*.ipynb dosyasını github'dan jupyter notebook'a nasıl indirebilirim?


ekle: Soru kaldırıldı - bir şeye basıldı ve indirme düğmesi belirdi:

 
Vladimir Karputov :

*.ipynb dosyasını github'dan jupyter notebook'a nasıl indirebilirim?


ekle: Soru kaldırıldı - bir şeye basıldı ve indirme düğmesi belirdi:

Vladimir, şimdi bizimle misin, karanlık tarafta mı?

 
Yazım yayınlandı . Sizi okumaya ve eleştirmeye davet ediyorum :)
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
Машинное обучение от Яндекс (CatBoost) без изучения Phyton и R
  • www.mql5.com
Уважаемый читатель, в настоящей статье я опишу процесс создания моделей, описывающих закономерность рынка при ограниченном наборе переменных и наличии гипотезы о закономерности его поведения, являющихся результатом работы алгоритма машинного обучения CatBoost от Яндекса. Для получения моделей не потребуется знание таких языков программирования...
 
Maksim Dmitrievski :

Vladimir, şimdi bizimle misin, karanlık tarafta mı?

yeni öğreniyorum...

 
Maksim Dmitrievski :

Vladimir, şimdi bizimle misin, karanlık tarafta mı?

Vay, zaten tarafları dağıtıyorsun! Chur ben su değilim !!!!! :-))))
 

Bir DataFrame'in ilk beş satırı yazdırılamıyor.

Komut dosyasını 'data folder'\Scripts\Python\copy_rates_from.py' dağıtımından alıyorum ve aşağıdaki satırları ekliyorum :

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version : ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500 ) # сколько столбцов показываем
pd.set_option('display.width', 1500 )      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime ( 2020 , 1 , 10 , tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10 . 2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10 )

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

from datetime import datetime
import MetaTrader5 as mt5
# выведем данные о пакете MetaTrader5
print("MetaTrader5 package author: ",mt5.__author__)
print("MetaTrader5 package version : ",mt5.__version__)

# импортируем модуль pandas для вывода полученных данных в табличной форме
import pandas as pd
pd.set_option('display.max_columns', 500 ) # сколько столбцов показываем
pd.set_option('display.width', 1500 )      # макс. ширина таблицы для показа
# импортируем модуль pytz для работы с таймзоной
import pytz

# установим подключение к терминалу MetaTrader 5
if not mt5.initialize():
    print("initialize() failed")
    mt5.shutdown()

# установим таймзону в UTC
timezone = pytz.timezone("Etc/UTC")
# создадим объект datetime в таймзоне UTC, чтобы не применялось смещение локальной таймзоны
utc_from = datetime ( 2020 , 1 , 10 , tzinfo=timezone)
# получим 10 баров с EURUSD H4 начиная с 01.10 . 2020 в таймзоне UTC
rates = mt5.copy_rates_from("EURUSD", mt5.TIMEFRAME_H4, utc_from, 10 )

# завершим подключение к терминалу MetaTrader 5
mt5.shutdown()
# выведем каждый элемент полученных данных на новой строке
print("Выведем полученные данные как есть")
for rate in rates:
    print(rate)

# создадим из полученных данных DataFrame
rates_frame = pd.DataFrame(rates)

# выведем пять первых строк (метод 'head' pandas)
print("\nВыведем пять первых строк")
rates_frame.head()

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

rates_frame['time']=pd.to_datetime(rates_frame['time'], unit='s')

# выведем данные
print("\nВыведем датафрейм с данными")
print(rates_frame)

ve yöntem hiçbir şey çıkarmaz:

( 1578614400 , 1.11051 , 1.11093 , 1.11017 , 1.11041 , 2448 , 1 , 0 )

Выведем пять первых строк

Выведем датафрейм с данными
 
Alexey Vyazmikin :
Yazım yayınlandı . Sizi okumaya ve eleştirmeye davet ediyorum :)

Alexey, sana ve herkese bir soru: neden?, - " Hedef olarak bir sonraki çubukta hareketli ortalamayı geçme ve ona dokunmama sinyalini alacağız..."

"İdeal" sinyali de öğretebilirsiniz. ZZ'yi (birkaç ZZ) alın ve her çubukta tam olarak yukarı / aşağı gidecek, çok, çok çubuk olacak şekilde şimdiden geçmişe bir döngü tutun.

Neuroshell Day Trader Professional böyle bir sinyali öğrettiğinde ve ilk mantıklı sonucu aldığında bile, o zaman onu gerçek şeye bağlamak sorunluydu.

 
dr.mr.mom :

Alexey, sana ve herkese bir soru: neden?, - " Hedef olarak bir sonraki çubukta hareketli ortalamayı geçme ve ona dokunmama sinyalini alacağız..."

"İdeal" sinyali de öğretebilirsiniz. ZZ'yi (birkaç ZZ) alın ve her çubukta tam olarak yukarı / aşağı gidecek, çok, çok çubuk olacak şekilde şimdiden geçmişe bir döngü tutun.

Neuroshell Day Trader Professional böyle bir sinyali öğrettiğinde ve ilk mantıklı sonucu aldığında bile, o zaman onu gerçek şeye bağlamak sorunluydu.

Bu nedenle, pivot noktaların bu yöntemle zayıf bir şekilde tahmin edildiğini bilmiyorlardı ve eğitim esas olarak trend boyunca ilerliyor....

Çeşitlendirme için farklı stratejiler kullanmak oldukça mantıklı ve ML, makalede kullanılmasını önerdiğim temel stratejilerin geliştirilmesine yardımcı oluyor.