交易中的机器学习：理论、模型、实践和算法交易 - 页 974

新评论
 
弗拉基米尔-佩雷文科。

我补充说不是为了讨论

https://www.kdnuggets.com/2018/05/poll-tools-analytics-data-science-machine-learning-results.html

看来，如果要寻找研究软件，选择Python，因为它是最进化的。

我的软件甚至不在名单的地下室里)。但接下来的任务它显然不能再处理了。

还有一个发展更迅速的--RapidMiner。 我将不得不看看这是一个什么样的工具。

 
交易员博士。

但现在他们终于做到了2017年时的承诺--基于声誉的赔付。滑动窗口给过去20场比赛的每场直播<0.693，就可以得到一个点。点的数量是声誉，最大=20。在我看来，目前的记录=9。声望最高的选手即使不叠加也会获得奖金。

是的，我看到他们的一封信，我记得是每轮0.1NMR（活体<0.693），如果我没记错的话......

 
尤里-阿索连科。

看来，如果要寻找研究软件，选择Python，因为它是最进化的。

我的软件甚至不在名单的地下室里)。但它显然不能处理以下任务。

还有一个发展更迅速的--RapidMiner。 我得看看这是一个什么样的错误。

RapidMiner也不是一个免费的应用程序。

 
弗拉基米尔-佩雷文科。

RapidMiner是一个应用程序，我不认为它是免费的。

是的，已经查过了。这就像NI的LabView或VisSim。付费 - 最低配置是每年10吨绿色。

 

我想知道为什么可能会发生这种情况？
使用DNN Darch, backpropagation, dropout.

时代：100个中的16个
训练集的分类误差。41.69% (2668/6400)
Epoch: 17 of 100
Train集的分类误差。31.87%(2040/6400)
Epoch: 18 of 100
Train集的分类误差。32.09% (2054/6400)
Epoch: 19 of 100
Train集的分类误差。39.55% (2531/6400)
Epoch: 20 of 100
Train集的分类误差。38.02% (2433/6400)
Epoch: 21 of 100
Train集的分类误差。49.89%(3193/6400)
Epoch: 22 of 100
Train集的分类误差。50.56% (3236/6400)
Epoch: 23 of 100
Train集的分类误差。45.56% (2916/6400)

因此，它从第17步开始采用一个训练有素的网络，并在第21步之前将其降级。

明白了。
dropout，在每个纪元上放一个新的面具，我将切换到每个miniBatch--应该会变得更好。

没有工作：
火车组的分类错误。45.11% (2887/6400)
Epoch: 10 of 100
Train集的分类误差。34.92% (2235/6400)
Epoch: 11 of 100
Train集的分类误差。30.16% (1930/6400)
Epoch: 12 of 100
Train集的分类误差。45.28% (2898/6400)
Epoch: 13 of 100
Train集的分类误差。39.56% (2532/6400)
 

桑桑尼茨-弗门科。

与R级不同，在Python的排名中，有一些细微的差别需要了解。

  • 这个语言有很多版本，两个主要的版本是不兼容 的，在搜索stackoverflow.com时，你需要把一个版本和另一个版本分开，此外，这个语言还有其他版本，在搜索时也需要分开（Jython、Pypy、Iron-python 等。
  • 在使用排名时，应该了解排名所显示的内容：谷歌查询、教育、工作搜索、......。最主要的是主题领域。Python的功能比R更多，以牺牲统计学的局外人为代价，它的排名高于R。
  • 在统计学和相关的可视化领域，R的竞争对手是SAS，而SAS则远远落后于它。

Python 2.7的情况与MQL4的情况相同。所以对于一个新的项目来说，没有版本的选择--你采取Python 3。

Jython, Pypy, Iron-python等。- 是用于其他编程语言的 Python 解释器，而不是 Python 本身的版本。正是由于这些解释器的存在，Python 现在被推到了各个地方。

通用性是一个巨大的优势，因为它不是针对特定领域的。

 
罗费尔德。

Python 2.7的情况与MQL4的情况相同。因此，对于一个新项目来说，没有版本选择--就拿Python 3来说。

Jython, Pypy, Iron-python等。- 是用于其他编程语言的 Python 解释器，而不是 Python 本身的版本。正是由于这些解释器的存在，Python 现在被推到了各个地方。

普遍性是一个很大的优点，因为你不必依赖地区。

我很有意识地做出了选择，因为我认为与R相比，Python处于劣势。

但我不反对Python--如果有人想做，就让他做吧；此外，我支持这种从事Python的愿望，因为需要Python来实现专家顾问中的决策块，而这些（块）在μl中很难/很复杂/不可能实现。但我对扩大这样一个社区非常感兴趣，特别是如果他们真的会显示至少测试 使用Python的EA。这不是R的问题。

 

做了反趋势的目标，即当价格触及MA时，看在MA上方/下方开盘是否会有利润。

训练样本以外的结果。

那么，30%的趋势似乎得到了证实，所以不清楚如何获利。

 
桑桑尼茨-弗门科。

特别是如果在这里展示使用Python的EA 的实际测试。有了R，这个问题就不存在了。

我已经数次展示了对这种TS的测试。不是在Python中，而是在其他软件中。有了Python，如果有一个TS，也不会有问题。

在R中也没有问题--我在R中做了TC并进行了测试。但R本身并没有让我坚持下去，它似乎与其他软件--SciLab（它不仅在Top，而且在地下室））更方便。

我认为，你把情况夸大了，把它简化为R的不可替代性。顺便说一下，我也不反对R，甚至偶尔会使用它。

 
桑桑尼茨-弗门科。

我做出了自己的选择，而且是相当有意识的，因为我认为与R相比，Python是发展不足的。

但我不反对Python--那些想学习它的人，让他们去做吧，此外我支持这种学习Python的愿望，因为需要Python来实现EA中的决策块，这些（块）在μl中很难/很复杂/不可能实现。但我对扩大这样一个社区非常感兴趣，特别是如果他们真的会展示至少测试 使用Python的EA。有了R，这个问题就不存在了。

一种编程语言只是解决问题的工具。一个程序员不能被束缚在某种语言上。工具在不断变化，不断发展，不断消失。

对我来说，学习一门新语言的入门阶段是下载 "参考语言 "或 "语言规范"（一般的语言在官方网站上都有这样的文档），然后用所学语言实现一个简单的任务。只有在这之后，你才能评估编程语言的语法和可能性。

Github上有很多Python+MQL5的绑定。也许我将创造我自己的...

许多人的起始编程语言是PHP。当你只知道一种语言时，似乎就很好了。很长一段时间我都不明白为什么专业的程序员不喜欢PHP，直到我学会了C#和Java。现在我可以肯定地说，PHP的语法和库都很糟糕。

现在，Python比R更好。如果明天R的情况有所改善，我会再去做，但现在还不行......。

1...967968969970971972973974975976977978979980981...3399
新评论