交易中的机器学习:理论、模型、实践和算法交易 - 页 1033 1...102610271028102910301031103210331034103510361037103810391040...3399 新评论 Ivan Negreshniy 2018.07.29 08:23 #10321 Roffild: 我是一个程序员,不是一个心灵感应者。任何问题,我都会给你答案......。答案:42 :D如果你准备作为一个程序员来回答,这里有一个快速的问题--一个编程任务,同时检查你所坚持的技能。 在附件中,有一个EA的欧元兑美元H1 信号的模板,我们需要确定其形成的算法。 如果你愿意,你可以把解决方案作为一个EA发布,并在行动中展示预测器bruteforcing和你的机器学习库的力量。 我建议所有感兴趣的机器学习者加入,我也准备用我的MO来解决所提出的问题或任何其他作为模板的问题。 也许在这种划线模式下,我们至少能够制定出一些共同的方法和格式))。 附加的文件: EA_EURUSD_H1.tpl 130 kb Roffild 2018.07.29 19:40 #10322 在保存模板之前,所有指标都应该被删除。它可能不是name=main指标,但数据没有显示。 而且,哪里能保证该战略是有利可图的?也许这只是一个幸运的历史片段... 似乎没有人读过我的图书馆,因为没有专门关于它的问题。每个人都想得到圣杯,却不了解找到它的方法。 Ivan Negreshniy 2018.07.29 20:36 #10323 罗费尔德。在保存模板之前,所有指标都应该被删除。它可能不是name=main指标,但数据没有显示。 而且,哪里能保证该战略是有利可图的?也许这只是一个幸运的历史片段... 似乎没有人熟悉我的图书馆,因为没有关于它的问题。都想得到圣杯,不了解寻找圣杯的方法。主条目在所有的模板中,它不干扰,那里的数据只是图形对象 - 箭头,蓝色 - 买入,红色 - 卖出。 你打开欧元兑美元H1图表并下载文件(菜单Charts/Template/Load Template...),并在上下文菜单中查看对象列表。 而且没有人要求你提供圣杯,只是为了解决问题,在实践中确认你所说的和图书馆的工作方式。 Maxim Dmitrievsky 2018.07.29 21:48 #10324 阿列克谢-特伦特夫。 如果你对高级神经网络架构感兴趣,就会出现一些非常有趣的想法。当然,这很难详细说明,你需要对抖动的框架有经验,并对一般的矢量数学有了解。 但这是值得的。 至于市场,我没有什么可展示的,市场是***inok),需要很多时间。 请到我们这里来,我们有一个安静而舒适的环境)我将描述并通过实例向你展示如何准备深度网络。不要给他,他会把你的脑子搞坏的。 Renat Akhtyamov 2018.07.29 21:54 #10325 阿列克谢-特伦特夫。 如果你对高级神经网络架构感兴趣,就会出现一些非常有趣的想法。当然,这很难深入了解细节,你需要对抖动框架有经验,并了解一般的矢量数学。 但这是值得的。 至于市场,我没有什么可展示的,市场是***inok),需要很多时间。 到我们这里来吧,我们有一个安静而舒适的环境)我将描述并通过实例向你展示,如何准备一个深度网络。我在论坛上交流,不支持教派 ) Maxim Dmitrievsky 2018.07.29 22:04 #10326 罗费尔德。我是一个程序员,不是一个心灵感应者。如果你有任何问题,我会给你答案的... 答案:42 :D 我感兴趣的是为什么它应该工作的概念,而不是什么连接到什么以及如何快速连接 对方法的理论解释,我没有从代码中意识到它,而且为了理解它而使用java和spark等也没什么意思。也就是说,你是如何看待和处理iO的,你的理解深度,可以说是。 如果你回答43,我就不会再问了 :) Roffild 2018.07.30 20:31 #10327 我的部分库,是在MQL5上的,没有直接与Apache Spark链接。在Java中,有一个单独的模块 可以转换数据用于Spark。而且这个模块 应该被移植到Python上。 Apache Spark是一个分布式 大数据处理系统+随机森林的模块。可以处理1000台服务器上的数据(Facebook偶然发现了这样一个门槛)。 大数据--当文件处理无法装入RAM时。 给出:2年内有800个预测因子,在5GB中。 任务:使用一些 廉价的亚马逊服务器,在1-2小时内创建250棵树。 解决方案:AWS EMR + Apache Spark。 有什么办法可以不使用Spark来解决这个问题吗? Roffild 2018.07.30 20:35 #10328 Apache Spark可以让你忘记内存不足的问题。 我创建了一个 500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。 forexman77 2018.07.30 21:35 #10329 罗费尔德。Apache Spark可以让你忘记内存不足的问题。 我创建了500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。那么随机森林中的7000个预测因子的意义何在?这仍然是再培训。取了大约30-40个预测器,训练了森林。然后我逐一检查了它们,并通过这种方式选择了4个预测器。 用四个预测器训练的森林比用30-40个预测器训练的森林要好一点,但也差不了多少。特别是外汇的报价有更多的随机数据类型,结果是相对于负数来说,所需的类别为+5%(正确预测55%)。 当然,也许我们可以以某种方式从价格系列中提取一个成分,从而更好地划分类别,但到目前为止,我还没有成功做到这一点。 我的观点是,没有必要创建预测器。我认为这不会有多大意义,它只会让森林的再培训更快。 Maxim Dmitrievsky 2018.07.30 22:33 #10330 Roffild: Apache Spark可以让你忘记内存不足的问题。我创建了一个500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。他们决定把没有能力的人塞进去,并毫无意义地增加预测者。 你从哪里得到这么多的预测因子? 它们的重要性 如何?有1/3的森林没有包括在训练集中,95%的重要性很低。而现在有这么多的预测器,3个小时做一次预测,系统的反应是什么?) 1...102610271028102910301031103210331034103510361037103810391040...3399 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
我是一个程序员,不是一个心灵感应者。任何问题,我都会给你答案......。
答案:42 :D
如果你准备作为一个程序员来回答,这里有一个快速的问题--一个编程任务,同时检查你所坚持的技能。
在附件中,有一个EA的欧元兑美元H1 信号的模板,我们需要确定其形成的算法。
如果你愿意,你可以把解决方案作为一个EA发布,并在行动中展示预测器bruteforcing和你的机器学习库的力量。
我建议所有感兴趣的机器学习者加入,我也准备用我的MO来解决所提出的问题或任何其他作为模板的问题。
也许在这种划线模式下,我们至少能够制定出一些共同的方法和格式))。
在保存模板之前,所有指标都应该被删除。它可能不是name=main指标,但数据没有显示。
而且,哪里能保证该战略是有利可图的?也许这只是一个幸运的历史片段...
似乎没有人读过我的图书馆,因为没有专门关于它的问题。每个人都想得到圣杯,却不了解找到它的方法。
在保存模板之前,所有指标都应该被删除。它可能不是name=main指标,但数据没有显示。
而且,哪里能保证该战略是有利可图的?也许这只是一个幸运的历史片段...
似乎没有人熟悉我的图书馆,因为没有关于它的问题。都想得到圣杯,不了解寻找圣杯的方法。
主条目在所有的模板中,它不干扰,那里的数据只是图形对象 - 箭头,蓝色 - 买入,红色 - 卖出。
你打开欧元兑美元H1图表并下载文件(菜单Charts/Template/Load Template...),并在上下文菜单中查看对象列表。
而且没有人要求你提供圣杯,只是为了解决问题,在实践中确认你所说的和图书馆的工作方式。
如果你对高级神经网络架构感兴趣,就会出现一些非常有趣的想法。当然,这很难详细说明,你需要对抖动的框架有经验,并对一般的矢量数学有了解。
但这是值得的。
至于市场,我没有什么可展示的,市场是***inok),需要很多时间。
请到我们这里来,我们有一个安静而舒适的环境)我将描述并通过实例向你展示如何准备深度网络。
不要给他,他会把你的脑子搞坏的。
如果你对高级神经网络架构感兴趣,就会出现一些非常有趣的想法。当然,这很难深入了解细节,你需要对抖动框架有经验,并了解一般的矢量数学。
但这是值得的。
至于市场,我没有什么可展示的,市场是***inok),需要很多时间。
到我们这里来吧,我们有一个安静而舒适的环境)我将描述并通过实例向你展示,如何准备一个深度网络。
我在论坛上交流,不支持教派
)
我是一个程序员,不是一个心灵感应者。如果你有任何问题,我会给你答案的...
答案:42 :D
我感兴趣的是为什么它应该工作的概念,而不是什么连接到什么以及如何快速连接
对方法的理论解释,我没有从代码中意识到它,而且为了理解它而使用java和spark等也没什么意思。
也就是说,你是如何看待和处理iO的,你的理解深度,可以说是。
如果你回答43,我就不会再问了 :)
我的部分库,是在MQL5上的,没有直接与Apache Spark链接。在Java中,有一个单独的模块 可以转换数据用于Spark。而且这个模块 应该被移植到Python上。
Apache Spark是一个分布式 大数据处理系统+随机森林的模块。可以处理1000台服务器上的数据(Facebook偶然发现了这样一个门槛)。
大数据--当文件处理无法装入RAM时。
给出:2年内有800个预测因子,在5GB中。
任务:使用一些 廉价的亚马逊服务器,在1-2小时内创建250棵树。
解决方案:AWS EMR + Apache Spark。
有什么办法可以不使用Spark来解决这个问题吗?
Apache Spark可以让你忘记内存不足的问题。
我创建了一个 500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。
Apache Spark可以让你忘记内存不足的问题。
我创建了500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。
那么随机森林中的7000个预测因子的意义何在?这仍然是再培训。取了大约30-40个预测器,训练了森林。然后我逐一检查了它们,并通过这种方式选择了4个预测器。
用四个预测器训练的森林比用30-40个预测器训练的森林要好一点,但也差不了多少。特别是外汇的报价有更多的随机数据类型,结果是相对于负数来说,所需的类别为+5%(正确预测55%)。
当然,也许我们可以以某种方式从价格系列中提取一个成分,从而更好地划分类别,但到目前为止,我还没有成功做到这一点。
我的观点是,没有必要创建预测器。我认为这不会有多大意义,它只会让森林的再培训更快。
Apache Spark可以让你忘记内存不足的问题。
我创建了一个500棵树的随机森林,有7000个预测因子和30GB的数据。亚马逊在两台有16个CPU的服务器上运行了15个小时。
他们决定把没有能力的人塞进去,并毫无意义地增加预测者。
你从哪里得到这么多的预测因子? 它们的重要性 如何?有1/3的森林没有包括在训练集中,95%的重要性很低。而现在有这么多的预测器,3个小时做一次预测,系统的反应是什么?)