贝叶斯回归 - 有没有人用这种算法做了一个EA? - 页 53

 
Yuriy Asaulenko:

C-R的问题是,我不认识他。:)这是一个时间问题,慢慢就能掌握了。

更困难的是在R - 软件 - MT5之间提供实时数据交换。除了文件,我想不出什么聪明的办法。我想,他们会先做,然后我们再看。

但我还没有看到交换协议(接口)。

我们有一个R-MT4的连接。它已经工作了很长时间。它是用Pascal语言编写的,有一个源代码。
 
СанСаныч Фоменко:
有一个R-MT4的捆绑。它已经工作了很长时间。它是用Pascal语言编写的,有一个源代码。

我没有用Pascal写作(那是很久以前的事了),但我正在掌握它的技巧。我将不胜感激。我将亲自给你寄信。

我已经开始研究与MT交换的管道,同时我正在阅读文档。

CRAN(section - Other)和onet中已经看到了用于R的COM-DLLs(section - Other)。还没有看他们。

似乎到目前为止。

MT--决策处理软件--R。

 
Yuriy Asaulenko:

我没有用Pascal写作(那是很久以前的事了),但我正在掌握它的技巧。我将不胜感激。我将亲自给你寄信。

我已经开始研究与MT交换的管道,同时我正在阅读文档。

CRAN(section - Other)和onet中已经看到了用于R的COM-DLLs(section - Other)。还没有看他们。

到目前为止,它看起来是这样的。

MT - 决策处理软件 - R.

我发了这个,是别人的,只是把它移到了kodobase上。

https://www.mql5.com/ru/code/10684

而这是一个例子。

https://www.mql5.com/ru/code/10718

VLAD中也有一个,它的方案更复杂,但更有希望。

只用R的决策是非常强大的:无论是R本身还是它的包。R代码非常紧凑,对于计算复杂的算法来说非常高效。

R的另一个细微差别。

R是一个解释器,但解释R字符串的内核是C语言,它的接口有很好的文档。此外,还有一些用于与C语言交流的软件包。一个解决方案是:在R内核中添加与MT对接的代码。

 
СанСаныч Фоменко:

只用R的决策是非常强大的:无论是R本身还是它的包。R代码非常紧凑,对于计算复杂的算法来说非常高效。

R的另一个细微差别。

R是一个解释器,但解释R字符串的内核是C语言,其接口有很好的文档。此外,还有一些用于与C语言交流的软件包。一个解决方案是:在R内核中添加代码,与MT互动。

这是可以理解的。然而,R和C/C++应用程序的集成和互动确实得到了很好的描述,例如在Rcpp和RInside 软件包中,等等。也就是说,一个C++应用程序与一个R内核进行交互。

但如何将代码添加到R内核?- 你必须为R开发你自己的包,并与MT和其他方面联系起来??我认为,在应用中分配复杂的数学,获得结果并作出决定,比R更复杂。

总之,我无法想象。

 
Yuriy Asaulenko:

这是可以理解的。然而,R和C/C++应用程序的集成和互动确实得到了很好的描述,例如在Rcpp和RInside 包等。也就是说,一个C++应用程序与一个R内核进行交互。

但如何将代码添加到R内核?- 你必须为R开发你自己的包,并与MT和其他方面联系起来??我认为,在应用中做复杂的数学运算、获得结果并做出决定,比R更复杂。

总之,不知道。

这是一本什么样的书?编写R扩展。

这个链接就在R的帮助中。

 
СанСаныч Фоменко:

这是一本什么样的书?编写R扩展

链接就在R的帮助中

是所有关于制作你自己的包裹或与他们合作。:)- 编写R扩展 包括如何创建自己的包,编写R帮助文件,以及外国语言(C、C++、Fortran...)接口。

到目前为止,我更喜欢--外国语言(C、C++、Fortran...)的接口。我已经试过了--在C/C++/C#中,新的数据类型 从R中出现,并通过DLL寻址内核。似乎包的功能是直接从程序中调用的。在我看来,这些互动类型非常接近,只是在后一种情况下,没有必要把它作为一个包来做出来。顺便说一下,R本身建议在脚本中用C/C++/F编写复杂的功能,即使不把它打包成一个包(除了我不知道在UNIX下是否有效,因为那里的编译器是内置于操作系统的)。

 
Yuriy Asaulenko:

正是关于--要么准备你的包裹,要么互动。:)- 编写R扩展 包括如何创建自己的包,编写R帮助文件,以及外国语言(C、C++、Fortran...)接口。

到目前为止,我更喜欢--外国语言(C、C++、Fortran...)的接口。我已经试过了--在C/C++/C#中,新的数据类型 从R中出现,并通过DLL寻址内核。似乎包的功能是直接从程序中调用的。在我看来,这些互动类型非常接近,只是在后一种情况下,没有必要把它作为一个包来做出来。顺便说一下,R本身建议在脚本中用C/C++/F编写复杂的功能,即使不把它打包成一个包(除了我不知道在UNIX下是否有效,因为那里的编译器是内置于操作系统的)。

不幸的是,我在这个领域的知识极其有限。

好运。我真诚地祝愿你取得成果。

 
СанСаныч Фоменко:

不幸的是,我在这个领域的知识极其有限。

好运。我真诚地祝愿你取得成果。

谢谢你。

我理解与R的一般互动。我已经掌握了最简单的功能。接下来是什么,我不知道该怎么做。我也完全不知道该如何处理数据包。

到目前为止,我需要相关和自相关 函数以及 多项式回归 。我找不到我的方向,我找不到他们。到哪里去找?

 
Yuriy Asaulenko:

谢谢你。

与R的互动一般都会被整理出来。我已经掌握了最简单的功能。但我不知道接下来该怎么做。我也完全不知道该如何处理数据包。

到目前为止,我需要相关和自相关函数以及 多项式回归 。我找不到我的方向,我找不到他们。到哪里去找?

?var()

?cov()

?cor() 

最简单的自相关。

x <- rnorm(1000, 0, 1)
cor(x[1:999], x[2:1000])

内置功能。

acf(x, lag.max = NULL,
    type = c("correlation", "covariance", "partial"),
    plot = TRUE, na.action = na.fail, demean = TRUE, ...)

pacf(x, lag.max, plot, na.action, ...)

In R for fitting a polynomial regression model (not orthogonal), there are two methods, among them identical. Suppose we seek the values of beta coefficients for a polynomial of degree 1, then 2 nd degree, and 3 rd degree:


fit1 <- lm(sample1$Population ~ sample1$Year)
fit2 <- lm(sample1$Population ~ sample1$Year + I(sample1$Year^2))
fit3 <- lm(sample1$Population ~ sample1$Year + I(sample1$Year^2) + I(sample1$Year^3))

这些功能都在基地里。

 

你可以尝试在所有软件包的列表中通过关键词搜索软件包:https://cran.r-project.org/web/packages/available_packages_by_name.html

这些软件包被分为若干组,如果你知道你的应用程序属于哪个组,那么在/go?link=https://cran.r-project.org/web/views/ 组中寻找软件包可能会更容易。

许多其他软件包包含了如何使用手册和添加的pdf的好例子

CRAN Packages By Name
  • cran.r-project.org
The package will formally test two curves represented by discrete data sets to be statistically equal or not when the errors of the two curves were assumed either equal or not using the tube formula to calculate the tail probabilities