Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2633

[Andrey Khatimlianskii]

Maxim Dmitrievsky # :

Botu piyasadan indirirsiniz, MT5 test cihazında çalıştırırsınız, ardından tüm işlemleri ve diğer bilgileri içeren bir rapor kaydetme seçeneği vardır.

Bir test çalıştırma ve işlemleri csv'ye yükleme dahil olmak üzere otomatikleştirilebilir — https://www.mql5.com/en/code/26132

[Maxim Dmitrievsky]

mytarmailS # :

Piyasadan altın için bir stratejiden vazgeçti))

test cihazımdaki sermaye eğrisi

daha iyi görmek için tslab'a koy

yol boyunca her şey eşleşir

fırsatlara baktım

Yol boyunca, bu, fazla kalma ve anlaşılmaz bir ticaret algoritması ile manuel bir tüccardır.

Orman elbette hiçbir şey tanıyamadı, ama ilginç ve bilgilendiriciydi)))

Peki, hangi zaman dilimini okumanız ve 2 modeli eğitmeniz gerekiyor. Biri anlaşmalar için, diğeri zamanlama için. Veya çok sınıflı. Botun açıklamasını görüntüleyin, belki orada her şey kötüdür ve çalışmayacaktır.

[Maxim Dmitrievsky]

Andrey Khatimlianskii # :

Bir test çalıştırma ve işlemleri csv'ye yükleme dahil olmak üzere otomatikleştirilebilir — https://www.mql5.com/en/code/26132

Evet teşekkür ederim

[Maxim Dmitrievsky]

Dmytryi Voitukhov # :

Yararlı olabilir... Tekrarlama olmadan çoktan çoğa sahibim. Ve evrişim katmanları yok. Ve nöronun mekanizmasını analiz ettikten sonra bu modeli seçtim.   Burada ortak bir payda mı arıyoruz? ... Argüman.

Neyin tartışılması gerektiğini anlamıyorum.

[mytarmailS]

Aleksey Nikolayev # :

Teşekkürler, bir bakacağım.

Yine de sipariş önemli. Her zaman, örneğin, artımları rastgele karıştırarak SB elde edebilirsiniz.

Ayrıca bir zamanlar burada sıralı model madenciliği ve orada ortaya çıkan dizileri hizalama sorunu hakkında yazdığınızı da hatırladım. Bu da sorunu çözmenin yollarından biri gibi görünüyor. Ancak dizilerin aynı sınıfa ait olması mutlaka benzer oldukları anlamına gelmez.

apriori_cspade <- function(apri_supp= 0.1 ,arpi_conf= 0.1 , liS , 
                             maxgap= NULL , maxlen= 5 ,rhs= NULL ,
                             apri_maxlen= 2 ,apri_minlen= 2 ,verbose=T,
                             redundant.rules = F, cspade_supp= 0.5 , cspade_conf= 0.5 ){
    
    
    
     library (arules)
    
    
    targ <- NULL
     if (!is.null(rhs))  {
      targ <- list(rhs=rhs, default = "lhs" )
      apri  <- apriori(liS, parameter=list(support=apri_supp, 
                                          confidence=arpi_conf,
                                          minlen=apri_minlen,
                                          maxlen=apri_maxlen), 
                                          appearance = targ,
                             control = list(verbose=verbose))
    }
   
    
     if (is.null(rhs)){
      apri <- apriori(liS, parameter=list(support=apri_supp, 
                                          confidence=arpi_conf, 
                                          target= "rules" ,
                                          minlen=apri_minlen,
                                          maxlen=apri_maxlen),
                              control = list(verbose=verbose))
    }
    
    ar <- as (apri, "data.frame" )
    ar <- as .character(ar$rules)
    ar <- gsub( "[{}>]" , "" ,ar)
    ar <- unlist(stringr::str_split(ar ,pattern = "=" ))
    ar <- ar[!duplicated(ar)]
    ar <- stringr::str_trim(ar)
     for (i in 1 :length(liS))   liS[[i]] <-  liS[[i]]  [ liS[[i]]  %in% ar ]
    
    
    
    liS <- liS[  unlist(lapply(liS ,function(x) length(x)> 2 ))  ]
    
    
     if (  length(liS) <= 0 ) return ( NULL )
    
    
    
    
    
     library (arulesSequences)
    cspade.form <- as .data.frame( matrix (ncol = 4 ,nrow = 0 ))
     for (i in 1 :length(liS)){
      
      Q <- liS[[i]]
      cspade.form <- rbind(cspade.form,
                           cbind.data.frame( ID = rep(i,length(Q)),
                                             evID = 1 :length(Q),
                                             SIZE = rep( 1 ,length(Q)),
                                             ITEM = Q))}
    
    
    write.table(cspade.form , file = "D:\\R2\\arulesSeq\\seq\\temp.txt" ,
                append = F,sep = "," ,row.names = F,col.names = F)
    
    x <- read_baskets(con = "D:\\R2\\arulesSeq\\seq\\temp.txt" ,sep = "," ,
                      info = c( "sequenceID" , "eventID" , "SIZE" ))
    
    mod <- cspade(x, parameter=list(support = cspade_supp,
                                    maxlen = maxlen,
                                    maxgap=maxgap),
                                  control=list(verbose = verbose))
    gc(reset = T,verbose = F)
    
    rules <- ruleInduction(mod, confidence = cspade_conf, control=list(verbose = verbose))
     if (redundant.rules) rules <- rules[!is.redundant(rules)]
    
     final <- as (rules, "data.frame" )
    
     # parse rules
    R <- final $rule
    R <- gsub( "[\"<>{}]" , "" ,R)
    R <- stringr::str_split(gsub( "=" , "," ,R) , pattern = "," )
    R <- lapply(R,trimws)
    
    li <- list(rules= final , parse.rules=R)
    
     return (li)}

veri

 set .seed( 123 )
>  li <- list()
>   for (i in 1 : 100 ){
+    li <- append(li,  
+                 list(c(letters[sample( 1 : 10 ,sample( 5 : 10 , 1 ))] ,   sample(c( "buy" , "sell" ), 1 )))
+    )}
>  
>  head(li)
[[ 1 ]]
[ 1 ] "c"      "b"      "f"      "j"      "e"      "d"      "i"      "sell"

[[ 2 ]]
[ 1 ] "j"      "e"      "c"      "h"      "a"      "sell"

[[ 3 ]]
[ 1 ] "i"    "c"    "h"    "b"    "g"    "buy"

[[ 4 ]]
 [ 1 ] "c"    "d"    "f"    "a"    "j"    "e"    "i"    "h"    "b"    "g"    "buy"

işlevi çalıştırırız ve etiketlerimize giden dizileri ararız

ac <- apriori_cspade(liS = li,apri_supp = 0.1 ,
                      arpi_conf = 0.5 ,
                      rhs = c( "buy" , "sell" ),cspade_supp = 0.1 ,redundant.rules = T)

 ac
$rules
                                rule support confidence      lift
29           < {"a"},{"f"}> => < {"j"}>     0.10  0.5000000 0.7246377
56           < {"b"},{"f"}> => < {"i"}>     0.12  0.6000000 0.8333333
80           < {"e"},{"a"}> => < {"h"}>     0.14  0.5000000 0.6666667
98           < {"i"},{"e"}> => < {"g"}>     0.11  0.5000000 0.6329114
149         < {"b"},{"e"}> => < {"d"}>     0.11  0.5789474 0.7617729
168             < {"a"}> => < {"buy"}>     0.45  0.6081081 1.0484623
169             < {"b"}> => < {"buy"}>     0.44  0.6027397 1.0392064
170             < {"c"}> => < {"buy"}>     0.47  0.6103896 1.0523959
171             < {"d"}> => < {"buy"}>     0.46  0.6052632 1.0435572
172             < {"e"}> => < {"buy"}>     0.38  0.5757576 0.9926855
173             < {"f"}> => < {"buy"}>     0.42  0.6000000 1.0344828
174             < {"g"}> => < {"buy"}>     0.47  0.5949367 1.0257529
175             < {"h"}> => < {"buy"}>     0.43  0.5733333 0.9885057
176             < {"i"}> => < {"buy"}>     0.41  0.5694444 0.9818008
177             < {"j"}> => < {"buy"}>     0.45  0.6521739 1.1244378
178       < {"j"},{"i"}> => < {"buy"}>     0.17  0.6800000 1.1724138
182       < {"j"},{"g"}> => < {"buy"}>     0.18  0.6923077 1.1936340
183       < {"g"},{"j"}> => < {"buy"}>     0.18  0.6666667 1.1494253
184       < {"j"},{"f"}> => < {"buy"}>     0.14  0.7000000 1.2068966
185       < {"f"},{"j"}> => < {"buy"}>     0.21  0.7000000 1.2068966
187       < {"e"},{"j"}> => < {"buy"}>     0.17  0.7083333 1.2212644
189       < {"d"},{"j"}> => < {"buy"}>     0.23  0.7666667 1.3218391
191       < {"c"},{"j"}> => < {"buy"}>     0.25  0.7142857 1.2315271
192       < {"j"},{"b"}> => < {"buy"}>     0.16  0.6666667 1.1494253
194       < {"j"},{"a"}> => < {"buy"}>     0.14  0.6666667 1.1494253
195       < {"a"},{"j"}> => < {"buy"}>     0.22  0.7333333 1.2643678
196 < {"g"},{"c"},{"j"}> => < {"buy"}>     0.10  1.0000000 1.7241379
197       < {"i"},{"h"}> => < {"buy"}>     0.17  0.5862069 1.0107015
198       < {"h"},{"i"}> => < {"buy"}>     0.17  0.6071429 1.0467980
204       < {"e"},{"i"}> => < {"buy"}>     0.17  0.6538462 1.1273210
207       < {"i"},{"c"}> => < {"buy"}>     0.16  0.6956522 1.1994003
210       < {"b"},{"i"}> => < {"buy"}>     0.20  0.7692308 1.3262599
212       < {"a"},{"i"}> => < {"buy"}>     0.15  0.7142857 1.2315271
213 < {"c"},{"f"},{"i"}> => < {"buy"}>     0.10  0.6666667 1.1494253

"Kirli" fonksiyonunu kendim için yazdım ama işe yarıyor, fonksiyonun içindeki yolları kendiniz değiştirin ve gerekli paketleri kurun

Ancak bu tür "seyrek dizileri" arayan algoritmaların çok açgözlü olduğunu bilin, algoritmanın kendisinin verimli bir arama yapmasına ve C ++ ile yazılmış olmasına rağmen, sadece vahşi boyutlarda bir arama var.

[Aleksey Nikolayev]

mytarmailS # :

veri

işlevi çalıştırırız ve etiketlerimize giden dizileri ararız

"Kirli" fonksiyonunu kendim için yazdım ama işe yarıyor, fonksiyonun içindeki yolları kendiniz değiştirin ve gerekli paketleri kurun

Ancak bu tür "seyrek dizileri" arayan algoritmaların çok açgözlü olduğunu bilin, algoritmanın kendisinin verimli bir arama yapmasına ve C ++ ile yazılmış olmasına rağmen, sadece vahşi boyutlarda bir arama var.

Teşekkürler, görevlerime nasıl bağlanacağımı düşüneceğim.

[mytarmailS]

Aleksey Nikolayev # :

Teşekkürler, görevlerime nasıl bağlanacağımı düşüneceğim.

Sorular olacak, sor. Bu yaklaşıma çok zaman harcadım, bu konuda az ya da çok bu konuda, üstelik bu yaklaşımı en umut verici olarak koruyorum.

[Mikhail Mishanin]

Bir yaklaşım mı yoksa her ikisi mi?

https://habr.com/ru/post/661457/

[Uladzimir Izerski]

Mikhail Mishanin # :

Bir yaklaşım mı yoksa her ikisi mi?

https://habr.com/ru/post/661457/

Böyle bir ifşayı görmek nadirdir. Ancak bu, piyasaya doğru yaklaşımdır.

[Aleksey Nikolayev]

Mikhail Mishanin # :

Bir yaklaşım mı yoksa her ikisi mi?

https://habr.com/ru/post/661457/

Bence, görevlerimizin özelliklerini dikkate alarak her iki yaklaşımın uyumlu bir kombinasyonu. İşaretler piyasanın "fiziğine" "tutunmalı" ve karları artırmak için modeller inşa edilmelidir (örneğin, haklı olma olasılığını değil)