Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 950
Alım-satım fırsatlarını kaçırıyorsunuz:
- Ücretsiz alım-satım 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
Her şey zaten iki dosyaya bölünmüşse neden dosyayı bölelim? Bunu R'de nasıl yapacağımı bilmiyorum, kimse bana açıklayamadı - görünüşe göre aptal.
Veya programlamayı hurda olarak okuyorsanız https://www.cs.waikato.ac.nz/ml/weka/downloading.html almak daha kolay olabilir mi?
Ve işte başka bir model:
Sonuç KALİTATİF OLARAK farklıdır, model niteliksel olarak farklı olsa da, verileriniz üzerinde yetersiz çalışmalıdır.
RandomForest denilince akla gelen
Anladım, teşekkür ederim, o zaman ağaçlar ve ormanlarla ilgileneceğim - onları çok seviyorum ve ideolojik olarak seviyorum.
Her şey zaten iki dosyaya bölünmüşse neden dosyayı bölelim? Bunu R'de nasıl yapacağımı bilmiyorum, kimse bana açıklayamadı - görünüşe göre aptal.
Böl - asla tükürmeyin, sorun R'ye önyargıdır.
Ağın tarihteki optimize edilmiş Uzman Danışmanı geçebileceğini gerçekten umuyorum :)
Neden bir ağ?
Evet, önyargı yok, sadece dil bilgisi yetersiz, Rusça yardım yok (zaten bir kitap var, ancak yardımın aksine tüm kitap okunmalı ve bunun olacağı bir gerçek değil. neye ihtiyaç vardı), genel olarak öğrenme ile ilgili zorluklar var. İnsanların GUI'yi neden bu kadar sevmediği belli değil - zaman kazandırır...
Ağa gelince, bir rezervasyon yaptım, bu sadece bir bütün olarak MO ile ilgili.
Bu kadar çok belirleyiciyi nereden buldun? strateji için manuel olarak mı seçildiniz? Vay :)
iskele mantığı +- aynı olmalı
Manuel ticaretin acı deneyiminden, bir tahliye meydana geldiğinde ve girişin neden yanlış olduğuna bağlı kalmadığınızda, tahmin ediciler aldım. Bir sorunum var - para kaybetmeyi sevmiyorum ve bu nedenle el ticareti yaparsam kendim için büyük sorun yaratacağım bir pozisyonu pek kapatmıyorum . Bu tür olaylardan sonra, sadece aşınma ve yıpranma, testler, analizler için çalışırsınız, bir tahliyeyi nasıl önleyebileceğinize dair bir çözüm ararsınız - fikirler üretirsiniz, bunları geçmiş üzerinde test eder, bazılarını atarsınız, diğerlerini değil. Pek çok fikir benim için programlamanın zorluğundan dolayı gerçekleşmeden kalıyor, ama kağıt üzerinde kalıyor, kağıtlar masayı dolduruyor...
Ormanlarla ilgili güven verici cevabınız için teşekkür ederiz!
Veya programlamayı hurda olarak okuyorsanız https://www.cs.waikato.ac.nz/ml/weka/downloading.html almak daha kolay olabilir mi?
Evet, bu yüzyıla sahibim - onu nasıl kullanacağınızı ancak cehennem anlarsınız!
Ve sonra, MT5 ile nasıl arkadaş olunur?
Bütün bunlar ***, genel olarak, 2015 yılında Rattle'da ormanı eğittim, varsayılan ayarlar aşağıdaki sonucu verdi
Summary of the Random Forest Model ================================== Number of observations used to build the model: 98573 Missing value imputation is active. Call: randomForest(formula = as.factor(arr_Buy) ~ ., data = crs$dataset[crs$sample, c(crs$input, crs$target)], ntree = 500, mtry = 8, importance = TRUE, replace = FALSE, na.action = randomForest::na.roughfix) Type of random forest: classification Number of trees: 500 No. of variables tried at each split: 8 OOB estimate of error rate: 6.89% Confusion matrix: -1 0 1 class.error -1 24452 2147 27 0.08164952 0 1138 42398 1180 0.05183827 1 36 2265 24930 0.08449928Modeli diğer veriler üzerinde test etmek için bir csv dosyasını nasıl yükleyeceğinizi öğrendim (bunun için, verilerle çalışmak için bu dosyayı en baştan bir dosya olarak açmanız ve ardından dışa aktarmanız ve bu dışa aktarılan dosyayı Değerlendir sekmesinde açmanız gerekir) - 2016 için yüklendi.
Böyle çürük bir sonuç aldım
Nedir bu yeniden eğitim, yanlış ayarlar, kökten farklı bir pazar?
O halde, aynı veriler üzerinde Deductor Studio'daki ağaçta daha iyi bir sonuç mu alıyorum?
Curvafitting dünyasına hoş geldiniz
Bu arada, EMD ile uğraştım - ayrıştırma her yeni çubukta yapılmalıdır, bu nedenle F-I gürültülüdür. yeni verilerin eklenmesiyle, tüm modlar ileri geri atlar. Saçma, sadece 1 seferlik durumlar için uygun
saçmalık saçmalık. ancak pozisyonları yönetmenin yeni bir yolunu açtıCurvafitting dünyasına hoş geldiniz
Bu arada, EMD ile uğraştım - ayrıştırma her yeni çubukta yapılmalıdır, bu nedenle F-I gürültülüdür. yeni verilerin eklenmesiyle, tüm modlar ileri geri atlar. Saçma, sadece 1 seferlik durumlar için uygun
saçmalık saçmalık. ancak pozisyonları yönetmenin yeni bir yolunu açtıBaştan düşündüm, işte bu kadar, beni burada azarladılar, bileşik kelimenin farklı bir anlamı olduğu ortaya çıktı ...
Sence asıl mesele, formasyona göre değil de stoploss'a göre pozisyondan çıktım ve bu da sonucu büyük ölçüde bozar mı?
EMD ile ilgili olarak, karşı trend kanalları oluşturmak için bu yaklaşımı kullanma fikrim vardı...
Pozisyon yönetimi yöntemi nedir?Baştan düşündüm, işte bu kadar, beni burada azarladılar, bileşik kelimenin farklı bir anlamı olduğu ortaya çıktı ...
Sence asıl mesele, formasyona göre değil de stoploss'a göre pozisyondan çıktım ve bu da sonucu büyük ölçüde bozar mı?
EMD ile ilgili olarak, karşı trend kanalları oluşturmak için bu yaklaşımı kullanma fikrim vardı...
Pozisyon yönetimi yöntemi nedir?Yukarıda açıklanan nedenlerden dolayı dinamikte EMD'yi uygulamak genellikle imkansızdır.
uzun süre açıklamanın yolu hakkında, her şey RL ile iç içe
ve sizin durumunuzda - yeni verilerde sonuç bekleniyor. Bu neredeyse her zaman böyledir. Kısmen bağımsız model toplulukları tarafından çözüldüBöyle çürük bir sonuç aldım
Nedir bu yeniden eğitim, yanlış ayarlar, kökten farklı bir pazar?
O halde, aynı veriler üzerinde Deductor Studio'daki ağaçta daha iyi bir sonuç mu alıyorum?
Aşırı uyumun ana kanıtı: Gürültü dışı tahmin edicileri BULAMADIM - katı gürültü, bu yüzden bu kadar iyi eğitim sonuçları.
Yukarıda açıklanan nedenlerden dolayı dinamikte EMD'yi uygulamak genellikle imkansızdır.
uzun süre açıklamanın yolu hakkında, her şey RL ile iç içe
ve sizin durumunuzda - yeni verilerde sonuç bekleniyor. Bu neredeyse her zaman böyledir. Kısmen bağımsız model toplulukları tarafından çözüldüBurada birkaç tahminci daha ekleyeceğim ve topluluklara geçeceğim .... ve sonra tefler dansla başlayacak.