交易中的机器学习：理论、模型、实践和算法交易 - 页 196 1...189190191192193194195196197198199200201202203...3399 新评论 mytarmailS 2016.11.08 08:01 #1951 Vizard_。 慢慢来。无论采用何种聚类方法。做一次通过。修剪一些意见。再做一次。比较结果。结果。制定一个进一步行动的方法。否则你会做出 "grails"，然后想知道为什么它不能工作))))。我在考虑做一个总的超标，如果最初有500个，那么最后可能会发现一个好的模型只占到5个。而这就是我所保留的... mytarmailS 2016.11.08 08:32 #1952 Dr.Trader:如果你以mytarmailS的身份搜索模式，按条形滑动，每个模式都会包含每个条形上的值可以有多少间隔的信息。模式越多--分配给每个bar..................... 的间隔就越小。滑动窗口数据馈送只是我的数据馈送风格，仅此而已，好还是坏，我不知道，我认为它和其他人的都一样......但这与我解释的方法没有关系...这种方法使你能够聚类并提取那些传统MO无法做到的百分之几的有用数据。你可以安全地将你的预测器送入你的网络，对它们进行分组（每个），并通过我描述的算法运行它们 mytarmailS 2016.11.08 09:24 #1953 Dr.Trader:粗略地说，一个有新数据的特定窗口要落入先前发现的任何模式中，它必须落入每个模式中固有的这种验证约束。这取决于你想教给模型多少东西，如果你想弱化它，不做大量的集群，那么模型头部的数字将被平滑化，你说的那个缺陷 理论上 应该消失......下面是该模型如何看待一个由50个值组成的价格系列，并将其打包成49个群组代码...price <- cumsum(rnorm(30000))+1000 plot(price,t="l")# делаем скользящее окно (50 знач) через матрицу хенкеля hankel <- function(data, r=50) { do.call(cbind, lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))} price <- hankel(price)# скалирую, центрирую, в общем нормализирую каждую строчку в матрице price <- t(apply(price,1,function(x){scale(x,center = T,scale = T)}))# запускаем пакет с кластеризацыей, в дан. случ с кохоненом# хорошый мануал #https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html install.packages("SOMbrero")library(SOMbrero)# тренируем модель, с матрицей 7 х7 те 49 кластеров model <- trainSOM(price, dimension=c(7,7), verbose=T) plot(model,what="prototypes",type="lines",print.title=T) Machine learning in trading: 深度神经网络 (第七部分)。 神经网络的融合: 堆叠 第三代神经网络：深度网络 Alexey Burnakov 2016.11.08 09:39 #1954 mytarmailS: 嗯，这取决于你想对模型进行多少训练，如果你训练得很弱，不做很多集群，那么模型头部的形状就会相当平滑，你说的 理论上 的缺点应该消失......下面是该模型如何看待一个由50个价值组成的价格系列，这些价值被装入49个群组中代码...price <- cumsum(rnorm(30000))+1000 plot(price,t="l")# делаем скользящее окно (50 знач) через матрицу хенкеля hankel <- function(data, r=50) { do.call(cbind, lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))} price <- hankel(price)# скалирую, центрирую, в общем нормализирую каждую строчку в матрице price <- t(apply(price,1,function(x){scale(x,center = T,scale = T)}))# запускаем пакет с кластеризацыей, в дан. случ с кохоненом# хорошый мануал #https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html install.packages("SOMbrero")library(SOMbrero)# тренируем модель, с матрицей 7 х7 те 49 кластеров model <- trainSOM(price, dimension=c(7,7), verbose=T) plot(model,what="prototypes",type="lines",print.title=T) 沃。很久以前，我也做过同样的事情。科霍宁是有趣的东西。但请记住，把它称为聚类算法是错误的。这是一种卷积算法。然后在得到的二维空间上进行聚类... mytarmailS 2016.11.08 10:15 #1955 阿列克谢-伯纳科夫。 沃。我也是很久以前就这样做了。科霍宁是个有趣的东西。但请记住，把它称为聚类算法是不正确的。它是一种卷积算法。然后在得到的二维空间上进行聚类...谢谢你！我不知道这一点。但有可能将模型退出作为一个集群，不是吗？head(model$clustering , 100) [1] 7 7 7 7 7 7 7 7 6 6 6 5 5 4 4 3 3 2 2 1 1 1 1 1 8 15 15 22 22 29 36 [32] 43 43 43 43 43 43 43 44 44 45 45 45 46 46 46 46 47 47 47 47 48 48 48 49 42 35 35 28 28 21 21 [63] 21 21 21 21 21 21 21 21 21 14 14 14 7 7 7 7 7 7 7 6 5 4 3 3 2 1 1 1 1 1 1 [94] 8 8 15 22 22 29 36 测试日志 - 算法交易, 交易机器人 菲波纳奇 (Fibonacci) 工具 - 菲波纳奇 (Fibonacci) 工具 - Alexey Burnakov 2016.11.08 10:24 #1956 mytarmailS:谢谢你！我不知道这一点。但你可以把模型的输出作为一个集群，不是吗？head(model$clustering , 100) [1] 7 7 7 7 7 7 7 7 6 6 6 5 5 4 4 3 3 2 2 1 1 1 1 1 8 15 15 22 22 29 36 [32] 43 43 43 43 43 43 43 44 44 45 45 45 46 46 46 46 47 47 47 47 48 48 48 49 42 35 35 28 28 21 21 [63] 21 21 21 21 21 21 21 21 21 14 14 14 7 7 7 7 7 7 7 6 5 4 3 3 2 1 1 1 1 1 1 [94] 8 8 15 22 22 29 36是的，你当然可以...它本质上是这些细胞中类似载体的聚集。只是可能是这样的（我自己在工作中也是这样做的，我知道我在说什么）。我有N百万个条目。输入的矢量有几百个之多。我想对其进行分组，但我事先不知道有多少个分组。不是任何算法都能在普通计算机上处理这样一个数据阵列。因此，首先我折叠输入空间，做一个例如50*50的网格。其结果是2500名典型代表的人口...在这样的阵列上，我的电脑拉动agnes（分层聚类）。它建立了一个所有人接近所有人的矩阵。而事实证明，我把这些2500个聚类成，比如说，10个聚类，而且聚合度量是好的。 mytarmailS 2016.11.08 10:55 #1957 阿列克谢-伯纳科夫。是的，你当然可以...在这些细胞中基本上有一个类似载体的聚集。这只是可能的情况（我自己在工作中做过，我知道我在说什么）。我有N百万个条目。输入的矢量有几百个之多。我想对其进行分组，但我事先不知道有多少个分组。不是任何算法都能在普通计算机上处理这样一个数据阵列。因此，首先我折叠输入空间，做一个例如50*50的网格。其结果是2500名典型代表的人口...在这样的阵列上，我的电脑拉动agnes（分层聚类）。它建立了一个所有人与所有人接近的矩阵...而事实证明，我把这些2500个聚类成，比如说，10个聚类，而且聚合度量是好的。在手册https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html根据从产生的SOM中构建超级类正是你所说的 mytarmailS 2016.11.09 10:25 #1958 对于那些想知道市场到底是什么的人...从旧视频到新视频的观看....https://www.youtube.com/channel/UCsdK6s9i_I0NEMvis6wXhnQ/featured这似乎并不难，但要对它进行编程？对我来说，这绝对是不可能的......我建议我们讨论如何为MoD的这种方法进行编码，或者直接进行编码 Renat Fatkhullin 2016.11.10 10:45 #1959 关于R语言和新MetaTrader 5 build 1467的信息。一个类似于R的统计库的更新版本已经发布。MQL5中的统计分布--从R中汲取精华，使之更快。MQL5中的计算比R的计算快3到7倍（即使考虑到那里的函数是用C++实现的）。一些R函数由于旧的优化/简化方法而出现错误，导致了错误的结果增加了一个类似于R的图形库的测试版，可以像R一样实现数据的可视化。增加了方便的ArrayPrint函数，可以像R中那样打印标准数组和结构。 你可以从MetaQuotes-Demo服务器更新到1467。 很多类似于R的新的数学和统计功能将在未来的版本中加入。这将允许在MetaTrader 5中直接进行更多的计算和可视化。 ivanivan_11 2016.11.10 10:56 #1960 只是好奇--你在这里只把价格值和来自价格的不同指标作为预测因素吗？还有人使用真实的成交量和来自成交量的指标吗？ 1...189190191192193194195196197198199200201202203...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
慢慢来。无论采用何种聚类方法。做一次通过。修剪一些意见。再做一次。比较结果。
结果。制定一个进一步行动的方法。否则你会做出 "grails"，然后想知道为什么它不能工作))))。
我在考虑做一个总的超标，如果最初有500个，那么最后可能会发现一个好的模型只占到5个。
而这就是我所保留的...
如果你以mytarmailS的身份搜索模式，按条形滑动，每个模式都会包含每个条形上的值可以有多少间隔的信息。模式越多--分配给每个bar..................... 的间隔就越小。
滑动窗口数据馈送只是我的数据馈送风格，仅此而已，好还是坏，我不知道，我认为它和其他人的都一样......
但这与我解释的方法没有关系...
这种方法使你能够聚类并提取那些传统MO无法做到的百分之几的有用数据。
你可以安全地将你的预测器送入你的网络，对它们进行分组（每个），并通过我描述的算法运行它们
粗略地说，一个有新数据的特定窗口要落入先前发现的任何模式中，它必须落入每个模式中固有的这种验证约束。
这取决于你想教给模型多少东西，如果你想弱化它，不做大量的集群，那么模型头部的数字将被平滑化，你说的那个缺陷 理论上 应该消失......
下面是该模型如何看待一个由50个值组成的价格系列，并将其打包成49个群组
代码...
plot(price,t="l")
# делаем скользящее окно (50 знач) через матрицу хенкеля
hankel <- function(data, r=50) {
do.call(cbind,
lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))}
price <- hankel(price)
# скалирую, центрирую, в общем нормализирую каждую строчку в матрице
price <- t(apply(price,1,function(x){scale(x,center = T,scale = T)}))
# запускаем пакет с кластеризацыей, в дан. случ с кохоненом
# хорошый мануал
#https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html
install.packages("SOMbrero")
library(SOMbrero)
# тренируем модель, с матрицей 7 х7 те 49 кластеров
model <- trainSOM(price, dimension=c(7,7), verbose=T)
plot(model,what="prototypes",type="lines",print.title=T)
嗯，这取决于你想对模型进行多少训练，如果你训练得很弱，不做很多集群，那么模型头部的形状就会相当平滑，你说的 理论上 的缺点应该消失......
下面是该模型如何看待一个由50个价值组成的价格系列，这些价值被装入49个群组中
代码...
plot(price,t="l")
# делаем скользящее окно (50 знач) через матрицу хенкеля
hankel <- function(data, r=50) {
do.call(cbind,
lapply(0:(r-1),function(i) { data[(i+1):(length(data)-(r-1-i))]}))}
price <- hankel(price)
# скалирую, центрирую, в общем нормализирую каждую строчку в матрице
price <- t(apply(price,1,function(x){scale(x,center = T,scale = T)}))
# запускаем пакет с кластеризацыей, в дан. случ с кохоненом
# хорошый мануал
#https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html
install.packages("SOMbrero")
library(SOMbrero)
# тренируем модель, с матрицей 7 х7 те 49 кластеров
model <- trainSOM(price, dimension=c(7,7), verbose=T)
plot(model,what="prototypes",type="lines",print.title=T)
沃。我也是很久以前就这样做了。科霍宁是个有趣的东西。但请记住，把它称为聚类算法是不正确的。它是一种卷积算法。然后在得到的二维空间上进行聚类...
谢谢你！我不知道这一点。
但有可能将模型退出作为一个集群，不是吗？
[1] 7 7 7 7 7 7 7 7 6 6 6 5 5 4 4 3 3 2 2 1 1 1 1 1 8 15 15 22 22 29 36
[32] 43 43 43 43 43 43 43 44 44 45 45 45 46 46 46 46 47 47 47 47 48 48 48 49 42 35 35 28 28 21 21
[63] 21 21 21 21 21 21 21 21 21 14 14 14 7 7 7 7 7 7 7 6 5 4 3 3 2 1 1 1 1 1 1
[94] 8 8 15 22 22 29 36
谢谢你！我不知道这一点。
但你可以把模型的输出作为一个集群，不是吗？
[1] 7 7 7 7 7 7 7 7 6 6 6 5 5 4 4 3 3 2 2 1 1 1 1 1 8 15 15 22 22 29 36
[32] 43 43 43 43 43 43 43 44 44 45 45 45 46 46 46 46 47 47 47 47 48 48 48 49 42 35 35 28 28 21 21
[63] 21 21 21 21 21 21 21 21 21 14 14 14 7 7 7 7 7 7 7 6 5 4 3 3 2 1 1 1 1 1 1
[94] 8 8 15 22 22 29 36
是的，你当然可以...它本质上是这些细胞中类似载体的聚集。
只是可能是这样的（我自己在工作中也是这样做的，我知道我在说什么）。我有N百万个条目。输入的矢量有几百个之多。我想对其进行分组，但我事先不知道有多少个分组。不是任何算法都能在普通计算机上处理这样一个数据阵列。因此，首先我折叠输入空间，做一个例如50*50的网格。其结果是2500名典型代表的人口...在这样的阵列上，我的电脑拉动agnes（分层聚类）。它建立了一个所有人接近所有人的矩阵。
而事实证明，我把这些2500个聚类成，比如说，10个聚类，而且聚合度量是好的。
是的，你当然可以...在这些细胞中基本上有一个类似载体的聚集。
这只是可能的情况（我自己在工作中做过，我知道我在说什么）。我有N百万个条目。输入的矢量有几百个之多。我想对其进行分组，但我事先不知道有多少个分组。不是任何算法都能在普通计算机上处理这样一个数据阵列。因此，首先我折叠输入空间，做一个例如50*50的网格。其结果是2500名典型代表的人口...在这样的阵列上，我的电脑拉动agnes（分层聚类）。它建立了一个所有人与所有人接近的矩阵...
而事实证明，我把这些2500个聚类成，比如说，10个聚类，而且聚合度量是好的。
在手册https://cran.r-project.org/web/packages/SOMbrero/vignettes/doc-numericSOM.html
根据
从产生的SOM中构建超级类
正是你所说的
对于那些想知道市场到底是什么的人...
从旧视频到新视频的观看....
https://www.youtube.com/channel/UCsdK6s9i_I0NEMvis6wXhnQ/featured
这似乎并不难，但要对它进行编程？对我来说，这绝对是不可能的......
我建议我们讨论如何为MoD的这种方法进行编码，或者直接进行编码
关于R语言和新MetaTrader 5 build 1467的信息。
MQL5中的统计分布--从R中汲取精华，使之更快。
很多类似于R的新的数学和统计功能将在未来的版本中加入。这将允许在MetaTrader 5中直接进行更多的计算和可视化。你可以从MetaQuotes-Demo服务器更新到1467。