交易中的机器学习:理论、模型、实践和算法交易 - 页 883 1...876877878879880881882883884885886887888889890...3399 新评论 Aleksey Vyazmikin 2018.05.07 10:09 #8821 马克西姆-德米特里耶夫斯基。常规森林和随机森林以及树状森林是一样的 :)森林是树木的集合体 塌陷的特征是指很少变化和/或分类的特征,如1和0(好吧,这是一个高层次的理解)。不,折叠的意思是一个变量有很多值,但组合的数量不变。我附上了一个文件,与去年的购物文件相似,但以另一种方式表示。 附加的文件: Pred_004_02_Buy.zip 324 kb Aleksey Vyazmikin 2018.05.07 10:12 #8822 Vizard_。二进制化杀死了很多有用的信息。信息的呈现方式有什么区别,它并没有改变......???? Yuriy Asaulenko 2018.05.07 10:26 #8823 马克西姆-德米特里耶夫斯基。我个人并不反对桑桑尼茨,他是一个非常能干和谨慎的人,在做一些他自己不知道的事情,他可能需要R 我直觉上更喜欢Python,虽然我没有发明什么特别的东西来让它哗众取宠,但我一直在静静地研究它,看看它是否有帮助 :DR是一个很好的环境,它比Python有很多优势。最重要的是,R是一个建模环境。与Python相比,你可以在R中获得更快、更容易的结果。 很明显,Python与模块结合在一起,有其自身的优势。 顺便说一下,对于RF来说,似乎在这里以及在NS中,我们可以不对预测因子进行尝试性的选择,而直接使用归一化的BP,因为如此。 Aleksey Vyazmikin 2018.05.07 10:28 #8824 桑桑尼茨-弗门科。正态森林或随机森林,还是两者都有? 在 rattle 中,运行名为 tree 和 ada 的两个森林模型。打开日志标签,可以看到R代码,对所使用的包的引用,你可以了解它们的区别。我理解树和脚手架之间的区别(或者我认为我理解),当数据中存在更多的不确定性时,脚手架更好用,即不太稳定的模式,因为脚手架通过投票做出决定,而这是由随机(因缩短而独立)树完成的,还是我错了?而 "adad "选项我没有,它不在截图中,有 "森林"--不是吗? 桑桑尼茨-弗门科。我把Rattle和R(好吧,和glitches所有这些东西......)。 我不明白是什么 故障,最近运行了大量的模型--全部正常。我在下载软件包方面遇到了一些问题--他说他已经开始了,但不会下载它们,然后他把它们放下,说他没有他需要的库,然后在从文件中读取数据时被挂起......那么,工作过程是不可见的--不清楚要等多长时间才能完成。到目前为止,我正在谈论这样的错误。一旦从调度器中删除一个任务... 桑桑尼茨-弗门科。 从拨浪鼓的图片,你有未完成的。至少你需要进入下一个标签,看看那里的结果。 但最重要的是将源文件分成两部分,并使用不同的名称(很可能你必须在R中完成)。 在第一个文件 中,你建立了所有六个模型,并查看了它们的估计测试,验证。 然后你把第二个文件的名称写到R数据集字段中。而在这上面你又得到了分数。所有的估计必须是大致相同的! 如果这些估计值不一致,而且第二个文件显示模型的结果更差,那么这意味着模型被过度训练,其原因是噪声(与目标变量无关)预测器。 这是关键时刻:要么你有一组与特定目标变量相关的预测器,要么你没有。而且没有任何模型可以解决这个不幸的情况。然后开始了选择一对 "目标预测因子 "的愚蠢工作,模型根本就不有趣,找到一对,那么模型在R中只是种子,你会在一天内找到一打,并把它们组成合奏。 那么,如何用R切割文件,是否需要使用一种特殊的算法?有意思的是,看看最后会发生什么。 Aleksey Vyazmikin 2018.05.07 10:31 #8825 桑桑尼茨-弗门科。 2.使用R型EA没有问题:一切正常,而且非常稳定。它也适用于MT5吗?我在哪里可以找到代码的例子?我认为使用指标 来发送信息会更好,因为在优化器中,连接到EA时更容易比较它们,并直观地显示森林在任何特定时间对市场情况的看法。 Maxim Dmitrievsky 2018.05.07 10:38 #8826 尤里-阿索连科。R是一个美妙的环境,与Python相比有很多优势。最主要的是,R是一个建模环境。与Python相比,R语言的结果可以更快、更容易得到。 很明显,Python与模块结合在一起,有其自身的优势。 顺便说一下,对于RF,似乎在这里,以及在NS中,有可能不选择预测因子,而直接使用归一化的BP,就是这样。你甚至可以使用非标准化的 Yuriy Asaulenko 2018.05.07 10:44 #8827 马克西姆-德米特里耶夫斯基。你甚至可以在没有配给的情况下做到这一点。这是不可能的。必须有一个明确的BP部分的参考,比如说,零的水平。 СанСаныч Фоменко 2018.05.07 10:57 #8828 阿列克谢-维亚兹米 金。我理解树木和森林的区别(或者我认为我理解),当数据中存在更多的不确定性时,森林更好用,即不太稳定的模式,因为森林是通过投票做出决定的,而随机(由于缩短而独立)的树木是通过投票做出决定的,或者我错了? 我不知道,我是根据结果来判断的。 而 "adad "选项我没有,它不在截图中,有 "森林"--这不是它吗? 按顺序排列。 树木 rpart "包提供了 "rpart "功能。 晋升 # 极限提升# `xgboost' 包实现了极端梯度提升算法。 证券公司 # 支持向量机。# "kernlab "软件包提供了 "ksvm "功能。 线性 # 回归模型# 建立一个回归模型。 神经网络 # 神经网络# 使用nnet包建立一个神经网络模型。library(nnet, quietly=TRUE) 顺便说一句,我为你做了这项工作--你可以自己在日志中看到这一切。如果你有另一个版本的拨浪鼓,清单可能有所不同。 那么,如何用R来切割文件,你需要使用特殊的算法?我们很想知道结果会是什么。 以指数为例。[1:2000,], [2001:4000,].重要的是不要打破第二个文件中的自然时间顺序 СанСаныч Фоменко 2018.05.07 11:02 #8829 阿列克谢-维亚兹米 金。它也适用于MT5吗?我在哪里可以找到代码的例子?我认为按指标 提供信息会更好,因为优化者在连接到EA时可以很容易地进行比较,并直观地看到森林在任何时候对市场形势的看法。这个库是根据我的要求修改的--我需要一个来自MT5的测试器。我算过了,我懒得去找了,也许我已经把它清理干净了。 看一看弗拉基米尔-佩雷文科的 文章如果你对网络感兴趣,他是这一领域最新的,R,顾问,这个人在网站上是可以找到的 Maxim Dmitrievsky 2018.05.07 11:08 #8830 阿列克谢-维亚兹米 金。不,是折叠的,这意味着一个变量有很多值,但组合的数量不变。我附上了一个类似于上次购物的文件,但以不同的方式表示。 你想怎么试就怎么试 :) 最主要的是不要忘记阅读不会做傻事的理论,你需要的软件包并不难,它们都是满满的,甚至在网上 - 你不需要安装任何东西。datasens的蓬勃发展,"它 "无处不在 我没有时间分析档案,我在忙我自己的事。 1...876877878879880881882883884885886887888889890...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
常规森林和随机森林以及树状森林是一样的 :)森林是树木的集合体
塌陷的特征是指很少变化和/或分类的特征,如1和0(好吧,这是一个高层次的理解)。
不,折叠的意思是一个变量有很多值,但组合的数量不变。我附上了一个文件,与去年的购物文件相似,但以另一种方式表示。
二进制化杀死了很多有用的信息。
信息的呈现方式有什么区别,它并没有改变......????
我个人并不反对桑桑尼茨,他是一个非常能干和谨慎的人,在做一些他自己不知道的事情,他可能需要R
我直觉上更喜欢Python,虽然我没有发明什么特别的东西来让它哗众取宠,但我一直在静静地研究它,看看它是否有帮助 :D
R是一个很好的环境,它比Python有很多优势。最重要的是,R是一个建模环境。与Python相比,你可以在R中获得更快、更容易的结果。
很明显,Python与模块结合在一起,有其自身的优势。
顺便说一下,对于RF来说,似乎在这里以及在NS中,我们可以不对预测因子进行尝试性的选择,而直接使用归一化的BP,因为如此。
正态森林或随机森林,还是两者都有?
在 rattle 中,运行名为 tree 和 ada 的两个森林模型。打开日志标签,可以看到R代码,对所使用的包的引用,你可以了解它们的区别。
我理解树和脚手架之间的区别(或者我认为我理解),当数据中存在更多的不确定性时,脚手架更好用,即不太稳定的模式,因为脚手架通过投票做出决定,而这是由随机(因缩短而独立)树完成的,还是我错了?而 "adad "选项我没有,它不在截图中,有 "森林"--不是吗?
我把Rattle和R(好吧,和glitches所有这些东西......)。
我不明白是什么 故障,最近运行了大量的模型--全部正常。
我在下载软件包方面遇到了一些问题--他说他已经开始了,但不会下载它们,然后他把它们放下,说他没有他需要的库,然后在从文件中读取数据时被挂起......那么,工作过程是不可见的--不清楚要等多长时间才能完成。到目前为止,我正在谈论这样的错误。一旦从调度器中删除一个任务...
从拨浪鼓的图片,你有未完成的。至少你需要进入下一个标签,看看那里的结果。
但最重要的是将源文件分成两部分,并使用不同的名称(很可能你必须在R中完成)。
在第一个文件 中,你建立了所有六个模型,并查看了它们的估计测试,验证。 然后你把第二个文件的名称写到R数据集字段中。而在这上面你又得到了分数。所有的估计必须是大致相同的!
如果这些估计值不一致,而且第二个文件显示模型的结果更差,那么这意味着模型被过度训练,其原因是噪声(与目标变量无关)预测器。
这是关键时刻:要么你有一组与特定目标变量相关的预测器,要么你没有。而且没有任何模型可以解决这个不幸的情况。然后开始了选择一对 "目标预测因子 "的愚蠢工作,模型根本就不有趣,找到一对,那么模型在R中只是种子,你会在一天内找到一打,并把它们组成合奏。
那么,如何用R切割文件,是否需要使用一种特殊的算法?有意思的是,看看最后会发生什么。
2.使用R型EA没有问题:一切正常,而且非常稳定。
它也适用于MT5吗?我在哪里可以找到代码的例子?我认为使用指标 来发送信息会更好,因为在优化器中,连接到EA时更容易比较它们,并直观地显示森林在任何特定时间对市场情况的看法。
R是一个美妙的环境,与Python相比有很多优势。最主要的是,R是一个建模环境。与Python相比,R语言的结果可以更快、更容易得到。
很明显,Python与模块结合在一起,有其自身的优势。
顺便说一下,对于RF,似乎在这里,以及在NS中,有可能不选择预测因子,而直接使用归一化的BP,就是这样。
你甚至可以使用非标准化的
你甚至可以在没有配给的情况下做到这一点。
这是不可能的。必须有一个明确的BP部分的参考,比如说,零的水平。
我理解树木和森林的区别(或者我认为我理解),当数据中存在更多的不确定性时,森林更好用,即不太稳定的模式,因为森林是通过投票做出决定的,而随机(由于缩短而独立)的树木是通过投票做出决定的,或者我错了?
我不知道,我是根据结果来判断的。
而 "adad "选项我没有,它不在截图中,有 "森林"--这不是它吗?
按顺序排列。
树木
rpart "包提供了 "rpart "功能。
晋升
# 极限提升
# `xgboost' 包实现了极端梯度提升算法。
证券公司
# 支持向量机。
# "kernlab "软件包提供了 "ksvm "功能。
线性
# 回归模型
# 建立一个回归模型。
神经网络
# 神经网络
# 使用nnet包建立一个神经网络模型。
library(nnet, quietly=TRUE)
顺便说一句,我为你做了这项工作--你可以自己在日志中看到这一切。如果你有另一个版本的拨浪鼓,清单可能有所不同。
那么,如何用R来切割文件,你需要使用特殊的算法?我们很想知道结果会是什么。
以指数为例。[1:2000,], [2001:4000,].重要的是不要打破第二个文件中的自然时间顺序
它也适用于MT5吗?我在哪里可以找到代码的例子?我认为按指标 提供信息会更好,因为优化者在连接到EA时可以很容易地进行比较,并直观地看到森林在任何时候对市场形势的看法。
这个库是根据我的要求修改的--我需要一个来自MT5的测试器。我算过了,我懒得去找了,也许我已经把它清理干净了。
看一看弗拉基米尔-佩雷文科的 文章
不,是折叠的,这意味着一个变量有很多值,但组合的数量不变。我附上了一个类似于上次购物的文件,但以不同的方式表示。
你想怎么试就怎么试 :) 最主要的是不要忘记阅读不会做傻事的理论,你需要的软件包并不难,它们都是满满的,甚至在网上 - 你不需要安装任何东西。datasens的蓬勃发展,"它 "无处不在
我没有时间分析档案,我在忙我自己的事。