交易中的机器学习:理论、模型、实践和算法交易 - 页 92 1...858687888990919293949596979899...3399 新评论 Alexey Burnakov 2016.08.08 14:43 #911 Vizard_。 OK)))),但要仔细阅读条件 --"两个样本的后期结果,以%为单位(成功预测的案例)(训练=xx%,测试=xx%)。不需要指定方法和模型,只需要数字"。 我们正在等待更多的结果。我想知道米哈伊尔-马尔丘卡耶斯会得出什么结论。我的结果(如果你愿意,我也会给你方法)。 # predict with best models glm_predict_train <- as.data.frame(predict(glm_obj , newx = training , type = "class" , s = best_models$bestTune$lambda)) glm_predict_train$observed <- train_y table(glm_predict_train[, 2], glm_predict_train[, 1]) table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training) # validate with best models glm_predict_validate <- as.data.frame(predict(glm_obj , newx = validating , type = "class" , s = best_models$bestTune$lambda)) glm_predict_validate$observed <- validate_y table(glm_predict_validate[, 2], glm_predict_validate[, 1]) table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating)56%在培训中。> table(glm_predict_train[, 2], glm_predict_train[, 1]) down up down 333 181 up 256 230> table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training) down up down 0.333 0.181 up 0.256 0.230考试成绩为52%。> table(glm_predict_validate[, 2], glm_predict_validate[, 1]) down up down 332 173 up 309 186> table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating) down up down 0.332 0.173 up 0.309 0.186 Machine learning in trading: Machine Learning and Neural FX MATRIX PRO Trading Mihail Marchukajtes 2016.08.08 14:49 #912 总之,最大的概括程度约为53%,所以.....。偶尔会出现 "垃圾进垃圾出",即garbage....。我无法在测试中检查,因为Excel不支持长公式。我不想在MKUL中写它,如果模型的质量正常,我会试试,但以这样的概括比例,我认为测试结果不会很好......。 Dr. Trader 2016.08.08 15:24 #913 mytarmailS: 我不明白这种 "可预测性 "是如何计算的,如果不考虑目标,是否有任何意义?有一些公式可以估算出信号的嘈杂程度,反之亦然。这些公式如何计算,计算什么,只有作者知道,我们只能相信他明白自己在做什么。 底线很简单--如果预测器本身不是 "噪音",那么用它们来预测一些东西就会更容易。而如果你以某种方式处理它们,你可以得到一个更稳定的信号。一个稳定的信号是预测的良好基础。你甚至可以用这个软件包的Omega()函数自己快速估计预测器,并将某些特定的预测器(来自训练表中的一列)的值应用于此。 结果是0%--噪声和预测器是无用的。100%--一切都很好,可以使用该预测器。 我想,我们不应该把纯指标值送入函数,而应该把它们的增量送入函数,例如对于移动平均线--c(MA[0]-MA[1],MA[1]-MA[2],MA[2]-MA[3],等等)。关于目标值--是的,它们不在软件包中使用。这个包裹不能预测任何事情。它只是以某种方式确定哪些预测器可以信任,哪些不可以,并在此基础上再创造一些新的预测器。选择目标变量和训练预测模型必须以不同方式处理。符合逻辑的是,有些目标变量可以预测得更好,有些更差。 目标变量对任何包来说都是一个问题。甚至不能确定使用的目标变量是否可以用现有的预测器进行预测。例如,我可以使用 "下一栏的价格上升/下降 "或 "上升/下降之字形 "作为目标变量。我想学习如何创建新的目标变量,使其最适合现有的预测器。谁知道呢,也许我可以用我的预测器完美地预测一个平面,但我永远不会知道,因为我没有试过。 Vizard_ 2016.08.08 15:53 #914 阿列克谢-伯纳科夫。 SanSanych Fomenko 米哈伊尔-马奇卡耶特 据我所知,没有人阅读条款和条件(任何数据操作都是允许的),所以我不会去折磨。事实上,一切都很简单。 我只需要从A6中提取滞后期,应用一个简单的公式七小于五,在两个样本上得到100%。谢谢大家。好运... Mihail Marchukajtes 2016.08.08 16:02 #915 Vizard_。 据我所知,没有人阅读条款和条件(任何数据操作都是允许的),所以我不会去折磨。事实上,一切都很简单。 只需要从A6中提取滞后期,应用一个简单的公式七小于五,就可以得到两个样本的100%。谢谢大家。好运... 那么,有什么好处呢?我也可以在这样的一堆输入垃圾中编码一个输出变量。你绝对猜不到。我仍然不知道这有什么意义。 Dr. Trader 2016.08.08 16:15 #916 Mihail Marchukajtes: 这有什么好玩的?我也可以在一堆输入的垃圾中编码一个输出变量。你将无法猜到它。我仍然不知道这有什么意义。 他提请我们注意,所使用的数据量并不总是足以进行预测。例如,如果把自己限制在9个小节,我们可能会错过更远的小节的重要信息。还有,如果不考虑一个预测器与其他预测器的相互作用,我们就无法评估它。 Vizard_ 2016.08.08 16:27 #917 Mihail Marchukajtes: 这有什么好玩的?我也可以在一堆输入的垃圾中编码一个输出变量。你将无法猜到它。我还是不明白这个问题的意义。 那就是你看不到地鼠,但你可以看到它)。 来吧,让我们试试吧。只是一个简单的问题。 Mihail Marchukajtes 2016.08.08 16:32 #918 Vizard_。 在这一点上,你看不到地鼠,但它就在那里)))。 来吧,让我们试一试。只是一个简单的问题。 来吧,我会想办法的.... Mihail Marchukajtes 2016.08.08 16:39 #919 例如,这个文件。Chitso火车不需要做任何测试。Reshetov的优化器显示垃圾il 56%,但打地鼠也在那里。谁能找到....??真的不明白这些游戏的意义,当输出是由输入的转化而成的,这里和网络不会被需要....。就这样吧.... Mihail Marchukajtes 2016.08.08 16:40 #920 Mihail Marchukajtes: 好比说这个文件。Chitso火车不需要做任何测试。雷舍托夫的优化器显示垃圾或56%,但地鼠也在那里。谁能找到....??真的不明白这些游戏的意义,当输出是由输入的转化而成时,就不需要网络了,要么....。so.... 这个论坛真他妈的气人,一个简单的rar档案不能被附加....。这是一个可悲的词.... 附加的文件: lm9m_mwe9y5a1.txt 5 kb 1...858687888990919293949596979899...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
OK)))),但要仔细阅读条件 --
"两个样本的后期结果,以%为单位(成功预测的案例)(训练=xx%,测试=xx%)。不需要指定方法和模型,只需要数字"。
我们正在等待更多的结果。我想知道米哈伊尔-马尔丘卡耶斯会得出什么结论。
我的结果(如果你愿意,我也会给你方法)。
# predict with best models
glm_predict_train <- as.data.frame(predict(glm_obj
, newx = training
, type = "class"
, s = best_models$bestTune$lambda))
glm_predict_train$observed <- train_y
table(glm_predict_train[, 2], glm_predict_train[, 1])
table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training)
# validate with best models
glm_predict_validate <- as.data.frame(predict(glm_obj
, newx = validating
, type = "class"
, s = best_models$bestTune$lambda))
glm_predict_validate$observed <- validate_y
table(glm_predict_validate[, 2], glm_predict_validate[, 1])
table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating)
56%在培训中。
> table(glm_predict_train[, 2], glm_predict_train[, 1])
down up
down 333 181
up 256 230
> table(glm_predict_train[, 2], glm_predict_train[, 1]) / nrow(training)
down up
down 0.333 0.181
up 0.256 0.230
考试成绩为52%。
> table(glm_predict_validate[, 2], glm_predict_validate[, 1])
down up
down 332 173
up 309 186
> table(glm_predict_validate[, 2], glm_predict_validate[, 1]) / nrow(validating)
down up
down 0.332 0.173
up 0.309 0.186
我不明白这种 "可预测性 "是如何计算的,如果不考虑目标,是否有任何意义?
有一些公式可以估算出信号的嘈杂程度,反之亦然。这些公式如何计算,计算什么,只有作者知道,我们只能相信他明白自己在做什么。
底线很简单--如果预测器本身不是 "噪音",那么用它们来预测一些东西就会更容易。而如果你以某种方式处理它们,你可以得到一个更稳定的信号。一个稳定的信号是预测的良好基础。
你甚至可以用这个软件包的Omega()函数自己快速估计预测器,并将某些特定的预测器(来自训练表中的一列)的值应用于此。 结果是0%--噪声和预测器是无用的。100%--一切都很好,可以使用该预测器。
我想,我们不应该把纯指标值送入函数,而应该把它们的增量送入函数,例如对于移动平均线--c(MA[0]-MA[1],MA[1]-MA[2],MA[2]-MA[3],等等)。
关于目标值--是的,它们不在软件包中使用。这个包裹不能预测任何事情。它只是以某种方式确定哪些预测器可以信任,哪些不可以,并在此基础上再创造一些新的预测器。选择目标变量和训练预测模型必须以不同方式处理。符合逻辑的是,有些目标变量可以预测得更好,有些更差。
目标变量对任何包来说都是一个问题。甚至不能确定使用的目标变量是否可以用现有的预测器进行预测。例如,我可以使用 "下一栏的价格上升/下降 "或 "上升/下降之字形 "作为目标变量。我想学习如何创建新的目标变量,使其最适合现有的预测器。谁知道呢,也许我可以用我的预测器完美地预测一个平面,但我永远不会知道,因为我没有试过。
SanSanych Fomenko
米哈伊尔-马奇卡耶特
我只需要从A6中提取滞后期,应用一个简单的公式七小于五,在两个样本上得到100%。谢谢大家。好运...
据我所知,没有人阅读条款和条件(任何数据操作都是允许的),所以我不会去折磨。事实上,一切都很简单。
只需要从A6中提取滞后期,应用一个简单的公式七小于五,就可以得到两个样本的100%。谢谢大家。好运...
这有什么好玩的?我也可以在一堆输入的垃圾中编码一个输出变量。你将无法猜到它。我仍然不知道这有什么意义。
这有什么好玩的?我也可以在一堆输入的垃圾中编码一个输出变量。你将无法猜到它。我还是不明白这个问题的意义。
来吧,让我们试试吧。只是一个简单的问题。
在这一点上,你看不到地鼠,但它就在那里)))。
来吧,让我们试一试。只是一个简单的问题。
好比说这个文件。Chitso火车不需要做任何测试。雷舍托夫的优化器显示垃圾或56%,但地鼠也在那里。谁能找到....??真的不明白这些游戏的意义,当输出是由输入的转化而成时,就不需要网络了,要么....。so....