交易中的机器学习：理论、模型、实践和算法交易 - 页 2690 1...268326842685268626872688268926902691269226932694269526962697...3399 新评论 Vladimir Perervenko 2022.08.16 18:50 #26891 Maxim Dmitrievsky #: 什么叫不严肃？当然是三层神经网络，但把它们用于时间序列也不严肃。经过简单训练的模型很容易移植 当然，你需要说得更具体一些。对于逻辑回归、木质模型等简单模型来说，这也许是可能的。但我说的是 TC 和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据，TabNet（论文，实现（py）1、2、3）非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。 conda environments: # base * C:\Users\User\AppData\Local\R-MINI~1 PressPurtEnv C:\Users\User\AppData\Local\R-MINI~1\envs\PressPurtEnv aif360 C:\Users\User\AppData\Local\R-MINI~1\envs\aif360 autogluon C:\Users\User\AppData\Local\R-MINI~1\envs\autogluon autokeras C:\Users\User\AppData\Local\R-MINI~1\envs\autokeras autopt C:\Users\User\AppData\Local\R-MINI~1\envs\autopt darts C:\Users\User\AppData\Local\R-MINI~1\envs\darts deap C:\Users\User\AppData\Local\R-MINI~1\envs\deap deepxf C:\Users\User\AppData\Local\R-MINI~1\envs\deepxf evalml C:\Users\User\AppData\Local\R-MINI~1\envs\evalml fastai C:\Users\User\AppData\Local\R-MINI~1\envs\fastai fedot C:\Users\User\AppData\Local\R-MINI~1\envs\fedot flash C:\Users\User\AppData\Local\R-MINI~1\envs\flash gluon C:\Users\User\AppData\Local\R-MINI~1\envs\gluon ludwig C:\Users\User\AppData\Local\R-MINI~1\envs\ludwig mindsdb C:\Users\User\AppData\Local\R-MINI~1\envs\mindsdb mlbox C:\Users\User\AppData\Local\R-MINI~1\envs\mlbox mlr3keras C:\Users\User\AppData\Local\R-MINI~1\envs\mlr3keras mlsauce C:\Users\User\AppData\Local\R-MINI~1\envs\mlsauce nni C:\Users\User\AppData\Local\R-MINI~1\envs\nni poutyne C:\Users\User\AppData\Local\R-MINI~1\envs\poutyne pycaret C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret pycaret-ts C:\Users\User\AppData\Local\R-MINI~1\envs\pycaret-ts pymc_env C:\Users\User\AppData\Local\R-MINI~1\envs\pymc_env r-gluonts C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts r-gluonts1 C:\Users\User\AppData\Local\R-MINI~1\envs\r-gluonts1 r-reticulate C:\Users\User\AppData\Local\R-MINI~1\envs\r-reticulate r-torch C:\Users\User\AppData\Local\R-MINI~1\envs\r-torch reservoir C:\Users\User\AppData\Local\R-MINI~1\envs\reservoir skorch C:\Users\User\AppData\Local\R-MINI~1\envs\skorch sktime-dl C:\Users\User\AppData\Local\R-MINI~1\envs\sktime-dl terchmeta C:\Users\User\AppData\Local\R-MINI~1\envs\terchmeta 之所以没有全部使用，主要是因为机器功率限制和个人偏好。对我来说，一个多小时的训练和优化并不有趣。 我认为不可能将这些模型移植到 MCL 上。而在这里，不创建连接 MKL<->Python 的基础设施是不行的。 这有点扯远了，但这个话题对我来说很重要。 我重复一下主要观点：每个开发人员，无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员，都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验，而不是争论哪种更好。尤其不要对 JA 的未来妄加评论。 不要把这番话当作是对我个人的冒犯。这又不是在幼儿园。 祝大家好运。 tabnet 2020.08.26pypi.org Tensorflow 2.0 implementation of TabNet of any configuration. [删除] 2022.08.16 18:55 #26892 Vladimir Perervenko #:当然，这需要澄清。对于逻辑回归、树模型等简单模型来说，这也许是可能的。但我说的是 TC 数据和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据，TabNet（论文，实现（py）1、2、3）非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。之所以没有全部使用，主要是因为机器功率限制和个人偏好。对我来说，一个多小时的训练和优化并不有趣。我认为不可能将这些模型移植到 MCL 上。在这里，我们不能不创建连接 MKL<->Python 的基础设施。这有点扯远了，但这个话题对我来说很重要。我重复一下主要观点：每个开发人员，无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员，都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验，而不是争论哪种更好。更不要对 API 的未来妄加评论。祝大家好运。 表格数据 != 表格形式的时间序列，它们毕竟是不同的东西这不是冒犯的问题，而是编写不同 TC 的经验问题。有时，当一个报价图表附带 500 个图层的网络时，读起来会很有趣 Vladimir Perervenko 2022.08.16 19:15 #26893 Maxim Dmitrievsky #: 表格数据 != 作为表格的时间序列，它们毕竟是不同的东西 这不是冒犯的问题，而是编写不同 TS 的经验问题。有时，当 500 层网络连接到一个报价图表时，读起来会很有趣 当然，表格数据和时间序列是两码事。 你无法反驳它。 尤其搞笑的是神经网络很简单之类的系列文章。作为在 MKL 上编程的一个例子 - 很好，但对于实践 - 零。好了，这已经是抱怨了。 祝大家好运 [删除] 2022.08.16 19:28 #26894 Vladimir Perervenko #:当然，表格数据和时间序列是两码事。这一点不容争辩。尤其搞笑的是一系列文章，比如神经网络很简单。作为 MKL 上的编程示例--很好，但用于实践--零。好吧，这已经是一种抱怨了。祝大家好运如果还没看过，请读一读。有一个分类器排名https://www.timeseriesclassification.com 在我的记忆中，神经网络并不在榜单前列 [删除] 2022.08.16 19:51 #26895 TabNet 高度依赖于数据集和所选特征有时与其他分类器几乎没有区别 因此，我希望在推动应用时能更加具体。这个分类器有那么大的优势吗？https://arxiv.org/pdf/1908.07442.pdf我尝试过类似的架构来合成新数据。在外汇时间序列上，所有神经网络的表现都不如 GMM（可信度较低）。而在简单的表格数据上，它们运行良好。我不记得那里是否有 Tabnet。 这就是为什么我写了一份说明：表格数据 != 表格形式的时间序列，结果会更糟。 mytarmailS 2022.08.17 05:46 #26896 Vladimir Perervenko #:您在说什么？加密货币交易所（特别是 Binance）提供... 我也想过捅破这层窗户纸，但想了想又觉得对不起时间....当每个人都在用 R 编写线程时，Python 程序员的日子就不好过了))))。哦，怎么会呢？Python 在上面，怎么会呢？)))))) 是不是上面决定了什么更好呢？ [删除] 2022.08.17 06:05 #26897 mytarmailS #: 我也想过在圣经里捅篓子，但我想了想，对不起时间...... 当每个人都在分支中用 R 编写代码时，对于一个 Python 程序员来说是很困难的。） 哦，怎么会这样？Python 是顶尖的，怎么会不是顶尖的？)))))) 决定了什么是更好的？ 没有 SDK，只有左派圣经。官方 api 只适用于 Java 和 Python。 你在那写什么？至少告诉我一个解决方案。Pisuns.那就捅捅你写的东西吧。 至少有一个正常的综合解决方案在哪里？一个不需要痛苦和感动的泪水就能使用的解决方案 😀 阿列克谢用 catbust 制作了一个正常的解决方案，终端版本。我建议用 python 来模拟。在终端中一切正常。 LGBM 也是如此 ZY 我的解决方案在市场上被开发人员使用，这就意味着它们是集成的。只需点击两下即可完成。 当你熨烫时，先看看你自己都做了些什么......事实上什么也没做，你只是把软件包放到了 R 中。你们可以在另一个论坛上互相扔软件包，我想在交易中 MO 的开发方面不会有任何变化。 Aleksey Nikolayev 2022.08.17 08:09 #26898 使用 R 时，产品非常酷，卖掉它太可惜了😁。 我完全同意最终产品（针对 mt5）应由 ex5 文件组成，不带任何集成，（最好）不带附加文件。获得它的历史并不重要--最重要的是它应该能用（或者能卖）。 Valeriy Yastremskiy 2022.08.17 08:29 #26899 Aleksey Nikolayev #:使用 R 使产品变得如此酷，卖掉它简直太可惜了 😁我完全同意最终产品（针对 mt5）应由 ex5 文件组成，不带任何集成，（最好）不带附加文件。获得它的历史并不重要--最重要的是它应该能用（或者能卖）。 我同意，而且我认为这是正确的方法。所有东西都应该在 exe 中，不应该调出任何东西。否则，它就不是用于销售的产品。 Maxim Kuznetsov 2022.08.17 09:24 #26900 Valeriy Yastremskiy #:我同意，而且我认为这是正确的方法。所有东西都应该放在 exe 中，不应该调出任何东西。否则，它就不是用于销售的产品。 告诉亚马逊和谷歌吧。他们没有正确地开展业务，他们的基础架构是错误的：-) 1...268326842685268626872688268926902691269226932694269526962697...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
什么叫不严肃？当然是三层神经网络，但把它们用于时间序列也不严肃。经过简单训练的模型很容易移植
当然，你需要说得更具体一些。对于逻辑回归、木质模型等简单模型来说，这也许是可能的。但我说的是 TC 和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据，TabNet（论文，实现（py）1、2、3）非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。
之所以没有全部使用，主要是因为机器功率限制和个人偏好。对我来说，一个多小时的训练和优化并不有趣。
我认为不可能将这些模型移植到 MCL 上。而在这里，不创建连接 MKL<->Python 的基础设施是不行的。
这有点扯远了，但这个话题对我来说很重要。
我重复一下主要观点：每个开发人员，无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员，都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验，而不是争论哪种更好。尤其不要对 JA 的未来妄加评论。
不要把这番话当作是对我个人的冒犯。这又不是在幼儿园。
祝大家好运。
当然，这需要澄清。对于逻辑回归、树模型等简单模型来说，这也许是可能的。但我说的是 TC 数据和表格数据的严肃模型。这两个领域现在已经变得非常分化和专业化。对于主要用于机器学习的表格数据，TabNet（论文，实现（py）1、2、3）非常有前途。还有很多其他软件包都能带来很好的效果。以下是我研究并部分使用的软件包列表。
之所以没有全部使用，主要是因为机器功率限制和个人偏好。对我来说，一个多小时的训练和优化并不有趣。
我认为不可能将这些模型移植到 MCL 上。在这里，我们不能不创建连接 MKL<->Python 的基础设施。
这有点扯远了，但这个话题对我来说很重要。
我重复一下主要观点：每个开发人员，无论他是自由职业者、营销人员还是外汇/加密货币/股票交易员，都有自己 "最喜欢 "的语言和 "最喜欢 "的带拐杖的自行车。我们需要分享使用经验，而不是争论哪种更好。更不要对 API 的未来妄加评论。
祝大家好运。
表格数据 != 作为表格的时间序列，它们毕竟是不同的东西
当然，表格数据和时间序列是两码事。
你无法反驳它。
尤其搞笑的是神经网络很简单之类的系列文章。作为在 MKL 上编程的一个例子 - 很好，但对于实践 - 零。好了，这已经是抱怨了。
祝大家好运
当然，表格数据和时间序列是两码事。
这一点不容争辩。
尤其搞笑的是一系列文章，比如神经网络很简单。作为 MKL 上的编程示例--很好，但用于实践--零。好吧，这已经是一种抱怨了。
祝大家好运
如果还没看过，请读一读。
有一个分类器排名
https://www.timeseriesclassification.com
在我的记忆中，神经网络并不在榜单前列TabNet 高度依赖于数据集和所选特征
有时与其他分类器几乎没有区别
因此，我希望在推动应用时能更加具体。这个分类器有那么大的优势吗？
https://arxiv.org/pdf/1908.07442.pdf
我尝试过类似的架构来合成新数据。在外汇时间序列上，所有神经网络的表现都不如 GMM（可信度较低）。而在简单的表格数据上，它们运行良好。我不记得那里是否有 Tabnet。
这就是为什么我写了一份说明：表格数据 != 表格形式的时间序列，结果会更糟。您在说什么？加密货币交易所（特别是 Binance）提供...
我也想过在圣经里捅篓子，但我想了想，对不起时间......
当你熨烫时，先看看你自己都做了些什么......事实上什么也没做，你只是把软件包放到了 R 中。
你们可以在另一个论坛上互相扔软件包，我想在交易中 MO 的开发方面不会有任何变化。
使用 R 时，产品非常酷，卖掉它太可惜了😁。
我完全同意最终产品（针对 mt5）应由 ex5 文件组成，不带任何集成，（最好）不带附加文件。获得它的历史并不重要--最重要的是它应该能用（或者能卖）。
使用 R 使产品变得如此酷，卖掉它简直太可惜了 😁
我完全同意最终产品（针对 mt5）应由 ex5 文件组成，不带任何集成，（最好）不带附加文件。获得它的历史并不重要--最重要的是它应该能用（或者能卖）。
我同意，而且我认为这是正确的方法。所有东西都应该在 exe 中，不应该调出任何东西。否则，它就不是用于销售的产品。
我同意，而且我认为这是正确的方法。所有东西都应该放在 exe 中，不应该调出任何东西。否则，它就不是用于销售的产品。
告诉亚马逊和谷歌吧。他们没有正确地开展业务，他们的基础架构是错误的：-)