1. for 루프에서 이 코드를 실행하는 방법, 즉 계수를 늘리고 계수의 인덱스와 함께 저장할 파일 이름을 변경하거나 주기에서 생성된 다른 디렉토리로 변경해야 합니다.
2. 계산을 위해 보조 열을 제거하고 상관 열을 삭제한 후 나타나는 테이블(df2)에 복사하는 방법을 설명합니다.
답변 해주셔서 감사합니다.
질문에 대한 답변 (2)
library( 'caret' )
#df1 загруженная дата
df1 <- as .data.frame(matrix(nrow = 100 ,ncol = 10 ,data = sample( 1 : 10 , 1000 ,replace = T)))
# head(df1)
not <- c( "V1" , "V2" , "V3" ) # имена переменных которые нам НЕ нужны для корреляции
df2 <- cor( df1[, ! colnames(df1) % in % not] )
# head(df2)
not.need <- findCorrelation(df2, cutoff= 0.1 ) # putt any valueas a "cutoff"
not.need.nms <- colnames(df2[,not.need]) # получаем имена переменных что не прошли коррел тест
# head(not.need.nms)
# получаем изначальную df1 только без признаков что не прошли отбор
reduced_Data <- df1[, ! colnames(df1) % in % not.need.nms]
# head(reduced_Data)
이제 동일하지만 더 깔끔하게 보이는 함수를 작성할 수 있습니다.
get .findCorrelation <- function(data , not.used.colums , cor.coef){
library( 'caret' )
df2 <- cor( data[, ! colnames(data) % in % not.used.colums])
not.need <- findCorrelation(df2, cutoff=cor.coef)
not.need.nms <- colnames(df2[,not.need]) # получаем имена переменных что не прошли коррел тест
reduced_Data <- data[, ! colnames(data) % in % not.need.nms]
return (reduced_Data)}
다음으로 샘플 트레인에서 퀀텀 테이블의 고정 설정으로 훈련을 진행했습니다 - 60% 테스트 - 20% 테스트 - 20%
테스트에서 가장 성공적인 버전으로 모델을 조정했다고 생각하지 않습니까? 나 자신도 성공적인 테스트 사이트에 여러 번 갔고 생각했습니다. 여기 Grail )))). 그리고 몇 달 동안 세그먼트를 앞뒤로 이동한 후 모든 것이 명확해졌고 모델은 더 이상 동일하지 않고 예측 변수도 동일하지 않았지만 드레인이 있었습니다.
교차 검증 또는 진행 방향에 대한 모델 분석으로 완전히 전환했습니다. 기껏해야 50%50을 보았습니다. 마지막 메시지 중 하나의 도크 역시 교차 검증에 관한 것이었습니다.
글쎄, 지금,하지만 당신은 5-15 조각을 증가시킬 수 있습니다, 지표는 더 나쁘지 않을 것입니다
체크메이트 예상 30포인트만 증분인데 어디서 보나요? 2014-2018 샘플에 대해 연구하고 2020에서 작업 - 종료에서 이것은 어디에 있습니까?
결과보다 더 좋게 만들려고 하시겠습니까? 나는 샘플을 버릴 것입니다 - 크지 않습니다.
여기서 나는 전략의 죽음에 대해 생각했습니다 ...
앞으로 장기간 시장의 특성을 예측한다면? 그런 다음 예측된 특성으로 시리즈를 복원하고 학습하고 이 모델을 시장에서 거래합니다..이 방향으로 생각하려고 했습니까?
예를 들어, 시장의 스펙트럼을 예측 ...
"미래는 알 수 없지만 상상할 수는 있다"처럼그래서 1단계 연구를 진행했습니다.
얼마나 힘이 들었는지...
얼마나 힘이 들었는지...
이것은 모든 회의론자에게 주는 선물입니다.
그러나 나는 당신의 아이디어를 확인하겠습니다 - 그것은 나에게 어렵지 않습니다. 그래서 취해야 할 상관 계수는 무엇입니까? 그리고 나머지 예측 변수 중 5-15개를 선택하는 방법(구체적으로 작성)을 측정하고 정렬하는 방법은 무엇입니까?
얼마나 힘이 들었는지...
다른 사람의 돈을 세는 대신 R에 대해 말해 주시겠습니까?
여기에서 상관 관계를 계산하고 상관 관계 열을 제거하는 스크립트를 만들었습니다.
그리고 두 가지 질문이 있습니다.
1. for 루프에서 이 코드를 실행하는 방법, 즉 계수를 늘리고 계수의 인덱스와 함께 저장할 파일 이름을 변경하거나 주기에서 생성된 다른 디렉토리로 변경해야 합니다.
2. 계산을 위해 보조 열을 제거하고 상관 열을 삭제한 후 나타나는 테이블(df2)에 복사하는 방법을 설명합니다.
답변 해주셔서 감사합니다.
다른 사람의 돈을 세는 대신 R에 대해 말해 주시겠습니까?
여기에서 상관 관계를 계산하고 상관 관계 열을 제거하는 스크립트를 만들었습니다.
그리고 두 가지 질문이 있습니다.
1. for 루프에서 이 코드를 실행하는 방법, 즉 계수를 늘리고 계수의 인덱스와 함께 저장할 파일 이름을 변경하거나 주기에서 생성된 다른 디렉토리로 변경해야 합니다.
2. 계산을 위해 보조 열을 제거하고 상관 열을 삭제한 후 나타나는 테이블(df2)에 복사하는 방법을 설명합니다.
답변 해주셔서 감사합니다.
질문에 대한 답변 (2)
이제 동일하지만 더 깔끔하게 보이는 함수를 작성할 수 있습니다.
파일이 입력됩니다
핵심 분석에 사용되지 않을 열 지정음, coef의 설정. findCorrelation 함수의 correl
cor.coef = 0.1출력에서 우리는 df1을 얻지만 가비지 기호가 없습니다.이제 첫 번째 질문에 대한 답변
다음으로 샘플 트레인에서 퀀텀 테이블의 고정 설정으로 훈련을 진행했습니다 - 60% 테스트 - 20% 테스트 - 20%
테스트에서 가장 성공적인 버전으로 모델을 조정했다고 생각하지 않습니까?
나 자신도 성공적인 테스트 사이트에 여러 번 갔고 생각했습니다. 여기 Grail )))). 그리고 몇 달 동안 세그먼트를 앞뒤로 이동한 후 모든 것이 명확해졌고 모델은 더 이상 동일하지 않고 예측 변수도 동일하지 않았지만 드레인이 있었습니다.
교차 검증 또는 진행 방향에 대한 모델 분석으로 완전히 전환했습니다. 기껏해야 50%50을 보았습니다.
마지막 메시지 중 하나의 도크 역시 교차 검증에 관한 것이었습니다.
내가 여기에서 논쟁한 프로그래머인 Maxim은 백테스트에 대한 머신 러닝 조언자가 있습니다. - 그냥 발사, 순방향 테스트에서는 한 달 반 동안 지속되었으며 수익성 있는 통계도 있었고 이제는 일시 중지 없이 병합됩니다.)
재교육 없이 최소 3개월 동안 실제 시장에서 수익으로 일한 수익성 있는 머신러닝 Expert Advisor의 예를 들어주세요.
그렇다면 지속적으로 재훈련하는 것의 문제점은 정확히 무엇인가? " 재훈련 없이" 진공 조건은 무엇입니까? 포워드가 적어도 하루 동안 작동한다면 이것은 이미 성배이며 최소한 모든 틱 을 재교육할 수 있습니다. 이것은 기술의 문제입니다.