트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 2076

 
mytarmailS :

모든 것을 무작위로 열거하고 이것에 대해 배우고, 배운 내용 + 유전학을 선택하여 검색을 줄이고 컴퓨터를 몇 달 동안 그대로 두어야합니다 ....

이제 내 기사만 무작위 샘플링으로 공개되지만 파이썬에서는

그건 )

https://www.mql5.com/en/articles/8642

RNN, CNN 등과 비교할 계획입니다. 다른 그러나 먼저 catboost에서 몇 가지 수정을 더 하십시오.

Градиентный бустинг (CatBoost) в задачах построения торговых систем. Наивный подход
Градиентный бустинг (CatBoost) в задачах построения торговых систем. Наивный подход
  • www.mql5.com
Градиентный бустинг является сильным алгоритмом машинного обучения. Суть метода заключается в построении ансамбля слабых моделей (например, деревьев принятия решений), в которых (в отличие от бэггинга) модели строятся не независимо (параллельно), а последовательно. Говоря простым языком, это означает, что следующее дерево учится на ошибках...
 
mytarmailS :


하지만 패턴 뒤의 패턴을 찾지 않고 이 패턴과 관련된 반등 가격을 찾기 위해서는 공식화하기가 훨씬 더 어려운 일인 것 같지만, 저 같은 경우는


예를 들어, 주어진 패턴(산술 평균, 제곱 평균 제곱근)에 대해 가격 인상이 몇 퍼센트인지 기록에서 계산할 수 있습니다.

 
예브게니 추마코프 :

예를 들어, 주어진 패턴(산술 평균, 제곱 평균 제곱근)에 대해 가격 인상이 몇 퍼센트인지 기록에서 계산할 수 있습니다.

예를 들어 패턴을 0-1 범위로 간단히 정규화한 다음 이 패턴을 기준으로 공간을 정규화하면 됩니다.

내 말을 이해 했습니까?
 
mytarmailS :

예를 들어 패턴을 0-1 범위로 간단히 정규화한 다음 이 패턴을 기준으로 공간을 정규화하면 됩니다.

내 말을 이해 했습니까?


이해하지 못했습니다.

내 현재 패턴은 다음과 같습니다.

모델 'long' = X ,

모델 '짧은' = B,

과거 이벤트 = L


나는 그것이 같은 때 역사에서 찾을 수 있습니다.

그런 다음 고정 범위(또는 최대값보다 25% 아래인 경우 등)의 기능 유형에 따라 이 패턴을 기준으로 공간을 정규화합니다 .

 
예브게니 추마코프 :

이해하지 못했습니다.

보세요, 모든 것이 더 간단합니다. 나는 또한 몇 년 동안 머리를 굴렸습니다 ...

패치 x1이 있습니다.

x1 <- rnorm( 40 )

x2와 x3의 두 가지 다른 패턴이 있습니다. x1과 동일하지만 변동성이 다릅니다.

x2 <- x1* 3
x3 <- x1* 6

우리는 처음 5개 점을 패턴으로 간주하고, 뒤따르는 모든 것은 패턴에 상대적인 공간으로 간주됩니다.

1) 패턴을 단일 범위(예: 0-1)로 가져와야 합니다.

정상적인 배급

r01 <- function(x)    (x-min(x))  /  ( max(x) - min(x))

우리는 세 가지 패턴이 모두 동일하다는 것을 얻습니다.

plot(   r01(x3[ 1 : 5 ])   ,t= "l" ,lwd= 50 ) 
lines(   r01(x2[ 1 : 5 ])   ,col= 2 ,lwd= 20 ) 
lines(    r01(x3[ 1 : 5 ])   ,col= 3 ,lwd= 10 )

이제 패턴을 기준으로 공간을 정규화해야 합니다.

함수 r02는 이 작업을 수행합니다.

r02 <- function(x,y)    (y-min(x))  /  ( max(x) - min(x))

여기서 "y"는 공백이고 "x"는 정규화된 패턴이 아닙니다.

그런 다음 함수 r01 및 r02의 변환 결과를 하나의 행(벡터)으로 결합합니다.

0-1 범위에서 정규화 패턴을 얻고 공간은 이 패턴에 대해 정규화됩니다.

plot(c(r01(x3[ 1 : 5 ]),r02(x = x3[ 1 : 5 ],x3[-c( 1 : 5 )]))  ,t= "l" ,lwd= 10 ) 
lines(c(r01(x2[ 1 : 5 ]),r02(x = x2[ 1 : 5 ],x2[-c( 1 : 5 )])),col= 2 ,lwd= 5 ) 
lines(c(r01(x1[ 1 : 5 ]),r02(x = x1[ 1 : 5 ],x1[-c( 1 : 5 )])),col= 3 ,lwd= 2 )


유사성은 상관 관계가 아니라 유클리드 측정법으로 찾아야 합니다.

eucliden.distance <- function(x1, x2) sqrt (sum((x1 - x2) ^ 2 ))

값이 낮을수록 패턴이 서로 더 가깝습니다.

 

다르다는 것을 이해했습니다.

귀하의 패턴은 가격을 설명하고 나는 세그먼트(짧은, 긴)를 가지고 있습니다. 패턴이 문자 B 와 같으면 그것과 동일한 것은 단지 동일한 B입니다.

하지만 패턴 주변의 공간은 변동성으로 인해 자연스럽게 다르지만 형식이 중요하기 때문에 필요하지 않은 것과 같습니다(세그먼트는 더 짧고 더 깁니다).

 
예브게니 추마코프 :

다르다는 것을 이해했습니다.

귀하의 패턴은 가격을 설명하고 나는 세그먼트(짧은, 긴)를 가지고 있습니다. 패턴이 문자 B 와 같으면 그것과 동일한 것은 단지 동일한 B입니다.

그리고 무엇을 비교할 것인가의 차이점은 무엇입니까?

여기에 10-20-10과 20-40-20의 패턴이 있고 동일한 패턴이 있습니까?

 
mytarmailS :

그리고 무엇을 비교할 것인가의 차이점은 무엇입니까?

여기에 10-20-10과 20-40-20의 패턴이 있고 동일한 패턴이 있습니까?


어떤 크기? 몇 가지 명확하게 설명된 패턴이 있습니다. 예를 들어 0110 및 1001과 같이 모두 다릅니다.

 
예브게니 추마코프 :


어떤 크기? 몇 가지 명확하게 설명된 패턴이 있습니다. 예를 들어 0110 및 1001과 같이 모두 다릅니다.

글쎄, 당신의 상처

 у меня отрезки (короче,длиннее)

10초 - 20초 -10초

속도를 늦추지 마십시오)

 
mytarmailS :

글쎄, 당신의 상처

10초 - 20초 -10초

속도를 늦추지 마십시오)



10-20-10은 무슨 양초인가요?

사유: