import catboost
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import RandomForestRegressor
from catboost import CatBoostRegressor
x = [[1,2],[2,2],[3,2],[4,2],[5,2],[6,2],[7,2],[8,2],[9,2]]
y = [2,4,6,8,10,12,14,16,18]
print('-------- 1 DecisionTree')
tree = DecisionTreeRegressor().fit(x,y)
for ix in x: print(' {:2.2f}*{:2.2f}={:2.2f} '.format(ix[0],ix[1],tree.predict([ix])[0]))
print('-------- RandomForest 10 Tree')
regr = RandomForestRegressor(n_estimators=10).fit(x,y)
for ix in x: print(' {:2.2f}*{:2.2f}={:2.2f} '.format(ix[0],ix[1],regr.predict([ix])[0]))
print('-------- CatBoost 10 Tree')
cat = CatBoostRegressor(iterations=10, verbose=False).fit(x,y)
for ix in x: print(' {:2.2f}*{:2.2f}={:2.2f} '.format(ix[0],ix[1],cat.predict([ix])[0]))
Ivan Negreshniy，我不明白，我在CatBoost中创建了模型，但它应该如何连接，是不是从EA到python的桥梁/通道，预测值将被传递，而在相反的方向，计算结果将被接收 - 一个具体的类？
据我所知，CatBoost允许卸载模型的代码，我不明白，但我将附上它，以估计专业性，除非它能以某种方式整合到MQL中，而不是使用python？而且，CatBoost有C++的库，他们不能让它们在MQL中工作，也不使用python和控制台命令？
不清楚的是，直接从Expert Advisor获得数据和模型的端到端自动化工作需要这座桥梁，包括创建、设置、训练等。而CatBoost转入文件的是特定模型的序列化，只能用于计算。
当然，你可以在编辑器中基于这些文件创建一个EA，但它与通常的逻辑僵化的EA不会有太大区别，如果这是目的，IMHO，通过使用模板的训练更容易实现，这是我建议的。https://www.mql5.com/ru/forum/270216
因为那里的所有东西都是自动训练和生成的，而且每棵树的代码都被转换成一个独立的、有逻辑的函数，如果你完成的话，可能更容易分析，执行起来也更快，我们以后可以进行比较。
对我来说，首先是劳动密集型。
大多数预测器都是将指标捆绑在一起，并将其拟合到ATR日线 上。其余的时间序列工作是表征预测器。
我有两个问题
1）请解释一下它的含义--一堆指标并将它们装入ATR日记。
2) 为什么是猫咪？你确定它比其他助推器好吗？
这里不清楚的是，直接从EA处理数据和模型的端到端自动化需要桥梁，包括创建、配置、培训等。
我明白了，也就是说，主要是能够创建自己的界面，与MoD库一起工作，对吗？这相当于我现在打算做同样的界面，但通过激活一个exe文件并向其输入命令。总的来说，是的，通过python来做是很有趣的，但不幸的是，我没有这样的知识。
而CatBoost转储到文件中的是一个特定模型的序列化，它只能用于计算。
当然，我们可以在编辑器中基于这些文件创建一个EA，但它将与具有僵化逻辑的普通EA没有太大区别，如果这是目标，那么IMHO，在模板的帮助下，通过训练实现它要容易得多，我建议。https://www.mql5.com/ru/forum/270216
如果你理解这段代码，也许你可以告诉我如何将它翻译成可读的形式，例如给每个规则一个完整的描述，就像我在从R处理模型后对叶子所做的那样
我只是不能理解这段代码中的加密算法--你能做它的描述/解释器吗（也许要收费）？
而如果这就是目标，IMHO，通过模式学习来实现它要容易得多，这是我建议的。https://www.mql5.com/ru/forum/270216
因为那里所有的东西都是自动训练和生成的，而且每棵树的代码都被转换成独立的逻辑函数，这也许更容易分析，在运行时也更快，如果你会完成，我们可以稍后进行比较。
我们的目标不仅仅是得到一个模型，而是得到树叶，评估它们，然后在这些树叶的基础上生成新模型。
我在看那个题目，我不太明白，自动建网的过程是在裸露的指标和标记的基础上建立的，信息被转移到模板上，而我有指标的后处理，加上我使用了我的一些指标，我不想公开，所以事实证明，这个方法是不可用的，同样--你不能从中得到叶子...
我有两个问题
1) 请解释什么是捆绑指标并将其纳入ATR日线的 意思
2）为什么是猫咪？你确定它比其他助推器更好吗？ 或者说脚手架
1.这是我对市场的看法，即价格有一个运动计划，在一天开始时由ATR定义，然后根据障碍（阻力水平（市场参与者做出/修改交易决定的水平），这是，包括指标），这个计划被执行或不执行。预测者描述了这些关于运动计划的障碍。因此，这是图形上的样子--沿着ATR范围的网格，里面有不同的指标
来自MetaTrader平台的截图
Si-9.18, M1, 2018.08.30
JSC ''Otkritie Broker'', MetaTrader 5, Real
用于记忆
2.CatBoost--刚刚有一些人帮助设置了它。另外，它显然比我以前在R中创建模型的方法工作得更快，同时也更有效率，有文档和通过DOS的命令：)与其他工具相比，例如Deductor Studio，它更稳定，模型也更好出，再加上最后一个是收费的，这里一切都免费。
你可能感兴趣，我遇到了
我想建立一个关于树形优化的系统，或者说通过用优化器建立树形......有趣的话题，但我不知道从哪里开始 :) )
https://explained.ai/
谢谢你的关心!
语言障碍使阅读变得非常痛苦，而译者又使文本变得愚蠢或可笑......。唉。
使用google翻译插件（chrome），一次翻译一个单词。
我在chrome中使用ImTranslator 插件，当你一次性翻译一个段落时，当你选择单词并在上下文菜单上点击右键时，它可以正常工作
不需要谷歌点击
这是个什么样的插件？它曾经在Chrome浏览器中工作，后来停止了，我不知道如何设置它。
我明白了，也就是说，这首先是一个创建你自己的界面来与MoD库合作的机会，对吗？这相当于我现在打算做同样的界面，但通过激活一个exe文件并向其输入命令。总的来说，是的，通过python来做是很有趣的，但不幸的是，我没有这样的知识。
如果你理解这段代码，你能告诉我如何把它翻译成可读的形式，例如给每个规则一个完整的描述，例如，我在从R处理模型后对叶子所做的描述
我只是不能理解这段代码中的加密算法--你能做它的说明/解释器吗（也许要收费）？
我们的目标不仅仅是得到一个模型，而是得到树叶，评估它们，然后在这些树叶的基础上生成新模型。
我读过那个主题，但我不明白，自动建网的过程是在裸露的指标和标记的基础上建立的，信息被转移到模板上，在我的情况下，有指标的后期处理，加上我使用了我的一些指标，我不想公开，所以事实证明，这个方法是不可用的，同样--你不能从它那里得到叶子...
我不明白为什么可能需要手动编辑分裂和叶子决定树，是的，我有所有的分支自动转换为逻辑运算符，但说实话，不记得我自己曾纠正过。
而一般来说，值得挖掘的是CatBoost 代码，我怎么能确定呢。
例如，我把上述测试放在python上，我的神经网络通过乘法表学习，现在把它用于测试树和森林（DecisionTree、RandomForest、CatBoost）。
这就是结果--显然这对CatBoost不利，因为2乘以2等于0.5...:)
诚然，如果你采取成千上万的树木，结果就会改善。我不明白为什么需要手动编辑决策树的分叉和叶子，是的，我把所有的分支都自动转换为逻辑运算符，但坦率地说，我不记得，我曾经自己纠正过它们。
而一般来说，值得挖掘的是CatBoost代码，我怎么能确定呢。
例如，我把上述测试放在python上，我的神经网络通过乘法表学习，现在把它用于测试树和森林（DecisionTree、RandomForest、CatBoost）。
这就是结果--显然它不支持CatBoost，就像2乘以2等于0.5...:)
来吧，不可能的，森林或助推器不能应付乘法表。
不可能，森林或提升不可能处理好乘法表的问题。