트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 1602

 
안녕하세요, 이상적으로는 C#에서 10개의 다른 클래스 사이의 분류와 잘 작동하는 라이브러리 또는 ML 프레임워크에 조언을 부탁드립니다.
입력에 대해 ML.NET을 실행하여 가장 정확한 방법을 결정했습니다.

- LGBM 분류기
- 최대 엔트로피 분류기

그러나 ML.NET에는 몇 가지 제한 사항이 있으므로 다른 옵션을 시도하고 싶습니다.
지금은 시장과 연결되어 있지 않지만 앞으로는 아마 사용될 것입니다.

샘플 데이터.

Label   Pitch   Energy  RMS     ZCR     Centroid        Spread  Flatness        Noiseness       RollOf  Crest   Entropy Decrease        C1      C2      C3      C4      C5      C6      M1      M2      M3      M4      M5      M6      M7      M8      M9      M10     M11     M12     M13

08        195.91840        749479.40000      663.49990        0.06797 5960.71800        5623.56900        0.45596 0.48241 11892.42000      113.03180        0.81972 - 0.01187          0.60059 0.99703 1.12502 1.38532 1.41049 1.34596 174.31960        5.43771 0.53368 1.08706 1.28929 - 0.27730          0.22525 - 0.32192         - 1.06489          0.18286 0.12653 - 0.36697          0.04997

07        89.38548          264804.20000      427.55540        0.06677 5575.63400        5633.31900        0.41806 0.46413 11484.85000      167.75290        0.79212 - 0.17176          0.58641 1.03448 1.14216 1.40824 1.38114 1.41114 174.84360        4.86947 0.42199 1.17480 1.67603 - 0.33066          0.54447 - 0.31041         - 0.75327         - 0.04792          0.82607 0.23418 0.16688


 
... :
안녕하세요, 이상적으로는 C#에서 10개의 다른 클래스 사이의 분류와 잘 작동하는 라이브러리 또는 ML 프레임워크를 추천할 수 있습니까?
입력에 대해 ML.NET을 실행하여 가장 정확한 방법을 결정했습니다.

- LGBM 분류기
- 최대 엔트로피 분류기

그러나 ML.NET에는 몇 가지 제한 사항이 있으므로 다른 옵션을 시도하고 싶습니다.
지금은 시장과 연결되어 있지 않지만 앞으로는 아마 사용될 것입니다.

샘플 데이터.

캣부스트 해보셨나요 ?

 
막심 드미트리예프스키 :
점쟁이는 사람들, 즉 익명으로 보지 못했습니다. 그들은 단순히 다른 사람들이 그녀에게 짧은 질문을 하고 답을 평가했습니다. 아무도 서로를 모른다. 심리적인 효과가 무엇인지 궁금합니다. 카드의 넌센스가 나올 줄 알았는데, 그 내용이 주제에)

그것이 아메바가 "알고 있는" 곳입니다. 점쟁이란?)

Amoeba finds approximate solutions to NP-hard problem in linear time
Amoeba finds approximate solutions to NP-hard problem in linear time
  • phys.org
Researchers have demonstrated that an amoeba—a single-celled organism consisting mostly of gelatinous protoplasm—has unique computing abilities that may one day offer a competitive alternative to the methods used by conventional computers. The researchers, led by Masashi Aono at Keio University, assigned an amoeba to solve the Traveling...
 

그리고 나는 여전히 신경망을 훈련시킬 수 있었습니다. BTCUSD의 경우 다음 15분 동안 매분 움직임을 예측합니다(촛불 참조 없이). 정답은 뉴로바이너리 업/다운이며 -70 ~ +70 범위의 수치로 표현되며 이는 가격예측이 아니라 움직임에 대한 신뢰의 정도입니다.
이제 실제 시장에서 결과는 예상보다 높습니다. 백테스트에서 나는 68%의 성공적인 답을 냈고 삶이 훨씬 나아졌습니다. 그는 목발과 팁 없이 가르쳤습니다. i.е. 외부 영향 없음, 내가 배우고 일한 것.
데이터는 MQL5 봇인 neuro TensorFlow + Keras에 의해 준비되었으며 이제 예측은 텔레그램 채널에서 신호를 보냅니다. 링크를 제공하지 않습니다. 여기서는 불가능하지만 가능하면 알려주십시오.

사실, 각 분 촛불에 값을 제공하는 표시기가 밝혀졌습니다. 30 이상의 값으로 이미 거래를 시도 할 수 있습니다))

질문에 답은 하겠지만 훈련용 데이터 준비에 대한 노하우는 남겨두겠습니다...

 
예브게니 듀카 :

백테스트에서 나는 68%의 성공적인 답을 냈고 삶이 훨씬 나아졌습니다.

알다시피 아무 의미가 없습니다. 우승에 대한 기대는?

 
앤드류 :

알다시피 아무 의미가 없습니다. 우승에 대한 기대는?

물론 이것은 아무 말도 하지 않지만 실제 시장은 예측이 절대적으로 적절하며 추세를 추측하고 다가오는 반전이 매우 좋다고 말합니다. 말하자면... 알려진 모든 지표보다 낫습니다. 이 모든 것이 공개됩니다.
수학은 기대치를 고려하지 않았습니다.
 
예브게니 듀카 :
그러나 실제 시장은 예측이 절대적으로 적절하며 추세와 다가오는 반전을 추측하는 것이 매우 좋다고 말합니다. 말하자면... 알려진 모든 지표보다 낫습니다. 이 모든 것이 공개됩니다.

추측의 비율은 아무 의미가 없으며 추측의 99%는 수익성이 있고 1%는 수익성이 없으므로 모든 이익을 차단합니다.

예브게니 듀카 :
수학은 기대치를 고려하지 않았습니다.

왜 그래?

 
앤드류 :

추측의 비율은 아무 의미가 없으며 추측의 99%는 수익성이 있고 1%는 수익성이 없으므로 모든 이익을 차단합니다.

왜 그래?

당신은 내가 틀렸다고 확신시킬 수 있습니다. 하루 16시간씩 6개월간 이 프로젝트를 했고 결과가 나왔다. 여자들이 카지노를 광고할 링크를 기다리고 있기 때문에 보여줄 수 없습니다.

반대 질문이지만 전문 포럼에서 이 주제에 대해 토론할 수 있는 다른 곳은 어디입니까?
아마도 안전을 위해 우리는 포럼의 대표자를 장비하고 보호복을 입고 링크를 따라 카지노가 있는지 여부를 관찰하고 말할 것입니다.
그 후에 논의할 것입니다.

 
앤드류 :

추측의 비율은 아무 의미가 없으며 추측의 99%는 수익성이 있고 1%는 수익성이 없으므로 모든 이익을 차단합니다.

왜 그래?

이 주제에서 추측의 비율은 중요하지 않으며 다른 범주가 있습니다. 여기서 중요한 것은 네트워크가 훈련되었는지 여부입니다. 학습의 징후가 보이면 문이 열렸음을 고려하십시오. 그러면 예측의 품질이 무한정 향상될 수 있습니다. 모든 것은 장비와 시간에 달려 있습니다.
사유: