Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2590
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
Daha önce, standart metrikleri özel olanlarla birleştirme fikriniz vardı, öyle bir şekilde anladım ki, modeller standart olanlara göre eğitiliyor ve seçim özel olanlara göre yapılıyor.
evet, aslında birleşik kriter daha iyi
standart olanlara göre eğitim, ancak doğruluk veya roc gibi Değerlendirme metrikleri var, logloss minimizasyonu ile eğitilmiş olmasına rağmen, busing stop onlara göre gerçekleşir. Sonra özel olanlar tarafından seçim.
o zaman, durma kaybı parametrelerini vb. ayarlamak için modelleri MT5 optimize edicide kullanmaya devam edebilirsiniz, ve bir sürü başka nankör yaygara :)
Model parametre uzayında mı? Çok büyük bir boyutu var. Bu, yalnızca az sayıda tahmin ediciye sahip çok basit modeller için mümkündür.
Muazzam boyutlu bir uzayda bir yüzeyin nasıl oluşturulabileceği çok açık değil. Bu boyuta kıyasla çok az puanımız var. PCA ve benzeri gibi bazı görselleştirme yöntemleri ile boyutları küçültmedikçe, ancak anlamı belirsizdir.
daha sonra, stop loss parametrelerini vb. ayarlamak için modelleri MT5 optimize edicide kullanmaya devam edebilirsiniz.
Ve ne aracılığıyla yapılır? Yoksa MQL5 ile yazılmış modellerden mi bahsediyoruz?
Ve ne aracılığıyla yapılır? Yoksa MQL5 ile yazılmış modellerden mi bahsediyoruz?
Veya aktarılmış, bu sitede catboost ile ilgili makaleleri görebilirsiniz (arama). Benim veya Alexei.
Mm, python'dan MQL5'e nasıl geçtikleriyle ilgili özü anlamadım, ancak görünüşe göre, https://www.mql5.com/en/articles/8642 'dan gelen işlevi kullanarak çekebileceğinizi anladım. mql5 kodundan modelin catbus'ı. Ben esas olarak XGBoost kullanıyorum, ancak aynı zamanda catboost da yapabilirsiniz - bir ahududu). Sinir ağları ve tablo verileri konusunda hemfikirim. Anladığım kadarıyla makaledeki kodu kullanarak catbust modellerini kullanabiliyorum ama diğer kütüphaneleri kullanamıyorum. Bu da iyi. Şimdi Python kitaplıkları seçiminde sınırlı olmadığım bir yaklaşım kullanıyorum - Python API aracılığıyla mql5 kodundan modeller çekiyorum. Bu durumda, kütüphanelerde sınırlı değildir, ancak makalenin varyantında daha yavaştır - kütüphanelerdeki kısıtlama, ancak görünüşe göre, ancak sipariş / siparişler daha hızlıdır.
Evet, tam olarak böyle hayal ediyorum .. OP'yi geri yükleyin ve ardından PCA aracılığıyla görselleştirin ...
Dürüst olmak gerekirse, pek mantıklı değil. Düşük boyutlu bir projeksiyon, prensipte, çok boyutlu bir durumda olabilecek her şeyi gösteremez. Örneğin uç noktalar, eyer noktaları olabilir - bir değişken için maksimum ve diğerleri için minimum. Yüzey pürüzsüz değilse, orada her şey olabilir.
Teorik olarak, PCA yerine PLS kullanırsanız muhtemelen biraz daha mantıklı olacaktır.Dürüst olmak gerekirse, pek mantıklı değil. Düşük boyutlu bir projeksiyon, prensipte, çok boyutlu bir durumda olabilecek her şeyi gösteremez. Örneğin uç noktalar, eyer noktaları olabilir - bir değişken için maksimum ve diğerleri için minimum. Yüzey pürüzsüz değilse, orada her şey olabilir.
Teorik olarak, PCA yerine PLS kullanırsanız muhtemelen biraz daha mantıklı olacaktır.Belki şu anda hızla icat edilen uygulamada biraz mantıklıdır, ancak tüm bunların neden yapıldığının özünde, bu dizinin tamamından daha mantıklı olabilir.
Mm, python'dan MQL5'e nasıl geçtikleriyle ilgili özü anlamadım, ancak görünüşe göre, https://www.mql5.com/en/articles/8642 'dan gelen işlevi kullanarak çekebileceğinizi anladım. mql5 kodundan model cutbus. Ben esas olarak XGBoost kullanıyorum, ancak catboost - bir ahududu da kullanabilirsiniz). Sinir ağları ve tablo verileri konusunda katılıyorum. Anladığım kadarıyla makaledeki kodu kullanarak catbust modellerini kullanabiliyorum ama diğer kütüphaneleri kullanamıyorum. Bu da iyi. Şimdi Python kitaplıkları seçiminde sınırlı olmadığım bir yaklaşım kullanıyorum - Python API aracılığıyla mql5 kodundan modeller çekiyorum. Bu durumda, kütüphanelerde sınırlı değildir, ancak makalenin varyantında daha yavaştır - kütüphanelerdeki kısıtlama, ancak görünüşe göre, ancak sipariş / siparişler daha hızlıdır.
Makalenin sürümü, MT5'te katmanlar olmadan python üzerinde eğitilmiş modelleri kullanmak için zaten nihaidir. Orada, ağaç bölmeleri bir python programından c++'a kaydedilir, ardından mql koduna ve ayrıca bir sınıf hesaplama işlevine çevrilir.
Harika, bir ara denemeliyim.
Harika, bir ara denemeliyim.