交易中的机器学习:理论、模型、实践和算法交易 - 页 2590

 
Aleksey Nikolayev#:

早些时候,你提出了将标准指标与自定义指标相结合的想法,我的理解是,模型的训练使用标准指标,而选择使用自定义指标。

是的,事实上,综合标准是更好的

但有一些所谓的评估指标,如roc或assgasu,总线被他们阻止,尽管它是通过最小化logloss来训练的。然后,我们有自定义指标。

然后你可以在MT5优化器中运行模型,以调整止损的参数,还有更多不费吹灰之力的麻烦事:)

 
Aleksey Nikolayev#:

在模型的参数空间中?它有一个巨大的维度。这只适用于具有少量预测因子的非常简单的模型。

目前还不是很清楚,如何在巨大维度的空间中建立一个曲面是可能的。与这种维度相比,我们的点数简直少得可怜。除非通过一些降维的可视化方法,如PCA等,但这一点并不明确。

是的,这正是我所看到的...恢复OP,然后通过PCA进行可视化...
构想的本质我已经解释过了,在前。页面有图片

 
Maxim Dmitrievsky#:

然后你也可以在MT5优化器中运行模型,调整止损参数等。

你应该用什么来做?还是我们在谈论用MQL5编写的模型?

 
Replikant_mih#:

你用什么来做这个?还是我们在谈论用MQL5编写的模型?

或者转移,你可以看看这个网站上关于catboost的文章(搜索)。我的或亚历克斯的。

Zy。如果我不确定这是否是解决问题的最好方法,如果我不确定如何解决,那么我就无法找到解决方案......
 
Maxim Dmitrievsky#:
或转让,见本网站关于catboost的文章(搜索)。我的或阿列克谢的。

我不知道我是否能使用我正在做的功能,但我不知道我是否能使用我正在做的功能,但我不知道我是否能使用我正在做的功能。

嗯,我还没有搞清楚python是如何被移植到MQL5的,但我发现,显然使用https://www.mql5.com/ru/articles/8642 的一个函数,你可以从MQL5代码中提取catbust模型。我主要使用XGBoost,但catbust也是可以的)。我同意关于神经网络和表格数据的说法。据我所知,使用文章中的代码,我可以使用Catbust模型,但其他库不能。嗯,这也很好。现在我使用的方法是,我在选择Python库方面不受限制--我通过Python的API从mql5代码中提取模型。在这种情况下,我不受库的限制,但速度较慢,在文章中的变体中--受库的限制,但显然顺序/次序较快。

Градиентный бустинг (CatBoost) в задачах построения торговых систем. Наивный подход
Градиентный бустинг (CatBoost) в задачах построения торговых систем. Наивный подход
  • www.mql5.com
Обучение классификатора CatBoost на языке Python и экспорт модели в mql5 формат, а также разбор параметров модели и кастомный тестер стратегий. Для подготовки данных и обучения модели используется язык программирования Python и библиотека MetaTrader5.
 
mytarmailS#:
是的,这正是我的看法......重建OP,然后通过PCA将其可视化......
我已经解释了这是怎么回事,在前一页有图片。页面有图片

说实话,这并没有什么意义。一个小维度的投影原则上不能代表多维度情况下的一切。例如,极值可以是鞍点--在某些变量中是最大值,在其他变量中是最小值。而如果表面不光滑,那里就会发生任何事情。

从理论上讲,使用PLS而不是PCA可能更有意义一些。
 
Aleksey Nikolayev#:

说实话,这并没有什么意义。一个低维的投影原则上不能代表多维情况下的一切。例如,极值可以是鞍点--在某些变量中是最大值,在其他变量中是最小值。而如果表面变成了非光滑的,任何东西都可以在那里。

从理论上讲,使用PLS而不是PCA可能更有意义一些。

也许目前的实施没有什么意义,但它的本质可能比这整个分支更重要

 
Replikant_mih#:

嗯,我还没有掌握python是如何转移到MQL5的要领,但我已经明白,显然使用https://www.mql5.com/ru/articles/8642,你可以从mql5代码中提取catbust模型。我主要使用XGBoost,但catbust也是可以的)。我同意关于神经网络和表格数据的说法。据我所知,使用文章中的代码,我可以使用Catbust模型,但其他库不能。嗯,这也很好。现在我使用的方法是,我在选择Python库方面不受限制--我通过Python的API从mql5代码中提取模型。在这种情况下,不受图书馆的限制,但速度较慢,在文章的变体中--受图书馆的限制,但显然订单/顺序较快。

文章中的变体已经完成,用于在MT5中应用python训练的模型,没有层。它从Python程序中保存了c++的树形分割,然后翻译成mql代码,加上类计算功能。
 
Maxim Dmitrievsky#:
文章中的版本已经是最终版本,在MT5中应用python训练的模型,没有层。它从Python程序中保存了c++中的树状分裂,然后将其翻译成mql代码,再加上类计算功能。

很好,有机会我一定要试试。

 
Replikant_mih#:

很好,有机会我得试一试。

是的,可以通过改变外部参数,在MT5中作为普通机器人进行测试和优化。条形图很快就能测试出来,蜱虫可能会造成延误,因为树木本身需要太长的时间来进行评估。