交易中的机器学习:理论、模型、实践和算法交易 - 页 2380 1...237323742375237623772378237923802381238223832384238523862387...3399 新评论 mytarmailS 2021.03.31 17:11 #23791 Aleksey Vyazmikin: 我误以为是关于专栏的。但是,我们不能在样本文件上做所有的训练,而在另一个文件上做检查吗?阿列克谢,你可以做到这一切!!!。但我不感兴趣。 学习R!这是一门迷人的语言,尤其是对盘子里的东西。 Aleksey Vyazmikin 2021.03.31 19:56 #23792 mytarmailS: 阿列克谢,一切皆有可能!但我不感兴趣。 学习R!这是一门迷人的语言,尤其是对盘子里的东西。 谢谢你的帮助。 准确性(Precision)和完整性(Recall)都明显优于CatBoost。 我把所有的样本合并成一个文件。 那么,我们还能朝这个方向思考吗? Forester 2021.03.31 20:17 #23793 Aleksey Vyazmikin: 谢谢你的帮助。准确性(Precision)和完整性(Recall)都明显优于CatBoost。我把所有的样本合并成一个文件。那么,我们还能朝这个方向思考吗? 是在新数据上还是在训练数据上更好? 哪些数字既在那里又在那里? Aleksey Vyazmikin 2021.03.31 21:28 #23794 elibrarius: 是在新数据上还是在训练数据上更好?这两方面的数据是什么?唉,我错了,准确性更差,而不是更好。然而,这是一个困难的样本--我不能正确地训练它--明天我将尝试另一个,从CatBoost'a转出的好模型。好吧,在模型的参数中,我不明白,所以也许比较不是很公平。以这个模型的大召回率为代价,有可能使单独的预测器一般。但我不知道如何把它上传到一个文件里 :) Aleksey Nikolayev 2021.04.01 05:22 #23795 Maxim Dmitrievsky: 这是一个如此矛盾的情况,即使你不小心做对了,也没有人欣赏它。 因为没有评价标准 ) 不,我根本不需要赞赏和承认--因为那样他们肯定不会下车)。 相反,我把它当作某种练习或难题,当试图在任何论坛的想法中找到常识时) 在这种特殊情况下,如果使用逻辑 回归进行分类,似乎相当适用。 Aleksey Vyazmikin 2021.04.01 21:07 #23796 在一个不同的样本上试了一下--附后X <- read.csv2("F:\\FX\\Открытие Брокер_Demo\\MQL5\\Files\\ZZ_Po_Vektoru_TP4_SL4_Si_QMini_02_Bi\\Si_cQq\\Setup\\xxx.csv") Y <- X$Target_100 X <- as.matrix(within(X, rm("Time","Target_P","Target_100", "Target_100_Buy","Target_100_Sell"))) library(glmnet) tr <- 1:14112 # train idx best_lam <- cv.glmnet(x = X[tr,], y = Y[tr],alpha = 1, lambda = 10^seq(2, -2, by = -.1), nfolds = 5)$lambda.min lasso_best <- glmnet(x = X[tr,], y = Y[tr], alpha = 1, lambda = best_lam) pred <- predict(lasso_best, s = best_lam, newx = X[-tr,]) sma <- TTR::SMA(pred,20) pred2 <- c(pred-sma) ; pred2[pred2>0] <- 1 ; pred2[pred2<=0] <- 0 yy <- tail(Y[-tr] ,3528) pp <- tail(pred2 ,3528) caret::confusionMatrix(as.factor(yy),as.factor(pp)) Reference Prediction 0 1 0 1063 860 1 567 1019 问题是如何获得该模型,以及如何将分类保存到文件中开始。 附加的文件: xxx.zip 482 kb Maxim Dmitrievsky 2021.04.02 00:42 #23797 Aleksey Vyazmikin: 我在另一个样本上试了一下 - 这里 问题是如何获得该模型,以及如何将分类保存到文件中开始。 catbust有相当强的正则化,此外,如果特征是分类的,它们应该在boost中被声明为分类的。 Aleksey Vyazmikin 2021.04.02 01:58 #23798 Maxim Dmitrievsky: catbust有一个相当强的正则化,特别是如果特征是分类的,你应该在提升中声明它们是分类的。 对于二进制的,是否是分类的并不重要。 你可以尝试减少正则化 - 好主意 - 谢谢。 到目前为止,Lasso在样本的考试部分显示出更好的结果。 Maxim Dmitrievsky 2021.04.02 02:13 #23799 Maxim Dmitrievsky: 即在一些周期为5 或价格差异的波形 上标记出交易,看看会发生什么。训练期间,标志也将被抹平 试着用同样的方法。我在自定义测试器中得到了很好的效果,我在导出模型时遇到了一个问题,我稍后会寻找错误的原因。 Forester 2021.04.02 08:48 #23800 Aleksey Vyazmikin: 对于二元的来说,它们是否是分类的并不重要。你可以尝试减少正则化 - 好主意 - 谢谢。到目前为止,Lasso在 样本的考试部分 表现更好。 也许这只是考试样本中的一个幸运块。然后你对它进行拟合,挑选出具有最佳参数的模型。 我现在总是交叉验证(或用valving-forward验证),没有对一小部分进行拟合,而是一次性对所有数据进行拟合,我想这是最好的训练选择。 医生也建议在从论坛上消失之前使用。 1...237323742375237623772378237923802381238223832384238523862387...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
我误以为是关于专栏的。
但是,我们不能在样本文件上做所有的训练,而在另一个文件上做检查吗?
阿列克谢,你可以做到这一切!!!。
但我不感兴趣。
学习R!这是一门迷人的语言,尤其是对盘子里的东西。阿列克谢,一切皆有可能!
但我不感兴趣。
学习R!这是一门迷人的语言,尤其是对盘子里的东西。谢谢你的帮助。
准确性(Precision)和完整性(Recall)都明显优于CatBoost。
我把所有的样本合并成一个文件。
那么,我们还能朝这个方向思考吗?
谢谢你的帮助。
准确性(Precision)和完整性(Recall)都明显优于CatBoost。
我把所有的样本合并成一个文件。
那么,我们还能朝这个方向思考吗?
是在新数据上还是在训练数据上更好?
哪些数字既在那里又在那里?
是在新数据上还是在训练数据上更好?
这两方面的数据是什么?
唉,我错了,准确性更差,而不是更好。
然而,这是一个困难的样本--我不能正确地训练它--明天我将尝试另一个,从CatBoost'a转出的好模型。好吧,在模型的参数中,我不明白,所以也许比较不是很公平。
以这个模型的大召回率为代价,有可能使单独的预测器一般。但我不知道如何把它上传到一个文件里 :)
这是一个如此矛盾的情况,即使你不小心做对了,也没有人欣赏它。
因为没有评价标准 )不,我根本不需要赞赏和承认--因为那样他们肯定不会下车)。
相反,我把它当作某种练习或难题,当试图在任何论坛的想法中找到常识时)
在这种特殊情况下,如果使用逻辑 回归进行分类,似乎相当适用。
在一个不同的样本上试了一下--附后
问题是如何获得该模型,以及如何将分类保存到文件中开始。
我在另一个样本上试了一下 - 这里
问题是如何获得该模型,以及如何将分类保存到文件中开始。
catbust有相当强的正则化,此外,如果特征是分类的,它们应该在boost中被声明为分类的。
catbust有一个相当强的正则化,特别是如果特征是分类的,你应该在提升中声明它们是分类的。
对于二进制的,是否是分类的并不重要。
你可以尝试减少正则化 - 好主意 - 谢谢。
到目前为止,Lasso在样本的考试部分显示出更好的结果。
即在一些周期为5 或价格差异的波形 上标记出交易,看看会发生什么。
训练期间,标志也将被抹平
试着用同样的方法。我在自定义测试器中得到了很好的效果,我在导出模型时遇到了一个问题,我稍后会寻找错误的原因。
对于二元的来说,它们是否是分类的并不重要。
你可以尝试减少正则化 - 好主意 - 谢谢。
到目前为止,Lasso在 样本的考试部分 表现更好。
也许这只是考试样本中的一个幸运块。然后你对它进行拟合,挑选出具有最佳参数的模型。
我现在总是交叉验证(或用valving-forward验证),没有对一小部分进行拟合,而是一次性对所有数据进行拟合,我想这是最好的训练选择。
医生也建议在从论坛上消失之前使用。