논리적으로 스크립트는 rdata 파일에서 이전에 생성된 테이블을 읽으려고 했지만 읽을 수 없었습니다. 이는 경고입니다. 다음에 rdata 스크립트를 실행할 때 레이블이 있는 파일을 읽고 경고가 표시되지 않습니다.
NA도 논리적이므로 모델 생성을 위한 데이터를 준비해야 하며 해당 지표에서 원시 출력을 가져오지 않아야 합니다. 할 수 있는 일이 더 많습니다 -
촛대는 최소 23개의 막대가 필요하기 때문에 테이블 시작 부분의 <NA>는 정상입니다. 처음 23개의 막대에 대해서는 항상 NA를 기대할 수 있습니다. 나는 창의 너비까지 표를 전혀 채우지 않았습니다. NA가 있을 뿐만 아니라 지표 계산의 깊이가 낮아 "일부 다른" 결과를 기대할 수도 있습니다. 첫 번째 줄을 모두 창 너비로 자르는 것이 좋습니다. trainData <- trainData[-(1: indicatorDepth ), ]
대상 이외의 열 이름에서 <NA> 수정: colnames(trainData)[-ncol(trainData)] <- paste0("pred",1:(ncol(trainData)-1))
모든 긍정적인 경우 목표를 1로 변경하고 모든 부정적인 경우 -1로 변경합니다. 또는 뉴런이 있는 경우 {0;1}입니다.
가격에 가까운 일부 값을 포함하는 지표 - 0-1로 조정하거나 델타를 계산합니다. (예를 들어 MA 값은 항상 가격 근처 어딘가에 있으므로 스케일링하거나 델타화해야 합니다. 그리고 RSI는 항상 0-100의 자체 범위에 있으며 이는 그 자체로 좋습니다. 지표 값이 훈련 중에 알려진 값을 넘어설 수 있음 - 델타, 악화되지 않음)
뉴런의 경우 일반적으로 모든 지표를 0-1로 스케일링하는 것이 좋습니다.
글쎄, 등등.
그러나 46-51열의 NA는 실제로 뭔가 잘못된 것입니다. 다른 형식의 표시기는 모든 것을 반환하며 테이블에 삽입하려면 특별히 다른 코드가 필요합니다. 또는 - 이러한 지표는 그 자체로 NA를 반환합니다. 더 큰 창 너비가 필요할 수 있습니다. 또는 그들은 항상 마지막 막대에 대해 NA를 반환한 다음 다시 그리기이고 잘못된 새 막대의 데이터를 기반으로 NA를 대체합니다.
여기에 시장 반전의 예고인 새로운 막대가 있습니다. 그러나 우리는 계속해서 신성한 소에게 먹이를 주면서도 "분석" 섹션에서 가져온 몇 가지 아이디어를 위해 역사에 대한 우리의 견해를 바꾸지 않습니다.
단순 거래의 경우 이것은 매우 우수합니다. 동의합니다. 표시기는 방금 나타난 규칙성을 발견했고 우리에게 보여줬습니다. 모든 것이 정상입니다.
하지만 데이터를 준비하고 모델을 훈련해야 합니다. 표시기가 다시 그리는 경우 일반적으로 과거 막대의 값이 최신 데이터를 기반으로 지속적으로 변경됨을 의미합니다. 그들은 미래를 엿볼 수 있습니다. 그리고 모델은 결국 이러한 미래 지향적인 가치로부터 배우게 되며 좋은 결과를 얻을 수 없습니다. 이러한 지표는 학습의 대상으로 사용할 수 있지만 예를 들어 동일한 지그재그로 100바를 앞을 내다보기 때문에 추세를 아름답게 그립니다.
그러나 46-51열의 NA는 실제로 뭔가 잘못된 것입니다. 다른 형식의 표시기는 모든 것을 반환하며 테이블에 삽입하려면 특별히 다른 코드가 필요합니다.
또는 - 이러한 지표는 그 자체로 NA를 반환합니다. 더 큰 창 너비가 필요할 수 있습니다. 또는 그들은 항상 마지막 막대에 대해 NA를 반환한 다음 다시 그리기이고 잘못된 새 막대의 데이터를 기반으로 NA를 대체합니다.
확인하면 다시 그리는 것처럼 보입니다. 마지막 막대의 경우 nextCandlePosition 표시기는 항상 NA를 반환합니다. 그런 다음 다음 막대에서 NA를 필요한 것으로 바꿉니다. @mytarmailS 첫 번째 코드를 다시 시도하지만 이 표시기가 없으면 모델을 훈련하면 결과가 더 나빠질 것 같습니다.
마지막 값 대신 nextCandlePosition의 끝에서 두 번째 값을 사용하도록 스크립트를 수정했습니다. 이제 테이블의 마지막 행에 NA가 없습니다.
단순 거래의 경우 이것은 매우 우수합니다. 동의합니다. 표시기는 방금 나타난 규칙성을 발견했고 우리에게 보여줬습니다. 모든 것이 정상입니다.
하지만 데이터를 준비하고 모델을 훈련해야 합니다. 표시기가 다시 그리는 경우 일반적으로 과거 막대의 값이 최신 데이터를 기반으로 지속적으로 변경됨을 의미합니다. 그들은 미래를 엿볼 수 있습니다. 그리고 모델은 결국 이러한 미래 지향적인 가치로부터 배우게 되며 좋은 결과를 얻을 수 없습니다. 이러한 지표는 학습의 대상으로 사용할 수 있지만 예를 들어 동일한 지그재그로 100바를 앞을 내다보기 때문에 추세를 아름답게 그립니다.
간단한 예를 들어보겠습니다.
1. Hodrick-Prescott에 따라 앤티 앨리어싱을 그립니다. 다시 그립니다.
현재 막대에서 접선이 올려졌습니다. 다음 막대에서 접선은 아래쪽을 가리킵니다. 현재 변경 사항을 고려하여 표시기가 다시 그려졌습니다. 한발 앞서 예측 - 아래로.
2. 우리는 차를 그립니다.
현재 막대에서 접선이 올려졌습니다. 다음 막대에 접선이 나타납니다. 표시기는 아직 변경 사항에 도달하지 않았습니다. 한발 앞서 예측합니다.
확인하면 다시 그리는 것처럼 보입니다. 마지막 막대의 경우 nextCandlePosition 표시기는 항상 NA를 반환합니다. 그런 다음 다음 막대에서 NA를 필요한 것으로 바꿉니다. @mytarmailS 첫 번째 코드를 다시 시도하지만 이 표시기가 없으면 모델을 훈련하면 결과가 더 나빠질 것 같습니다.
마지막 값 대신 nextCandlePosition의 끝에서 두 번째 값을 사용하도록 스크립트를 수정했습니다. 이제 테이블의 마지막 행에 NA가 없습니다.
예, 다시 그릴 수 있는 것을 제거하기 위해 최고의 예측 변수 중 약 6개를 삭제했다고 썼지만 정확도는 문자 그대로 3% 떨어졌고 아마도 모든 것이 거기에서 다시 그려졌을 것입니다...
그래서 이미 모델을 훈련시켰습니까? 시작을 위해 샘플에 대해 수천을 취하고 즉시 50k를 계산하지 않을 수 있습니까?
경고를 받았다
논리적으로 스크립트는 rdata 파일에서 이전에 생성된 테이블을 읽으려고 했지만 읽을 수 없었습니다. 이는 경고입니다. 다음에 rdata 스크립트를 실행할 때 레이블이 있는 파일을 읽고 경고가 표시되지 않습니다.
NA도 논리적이므로 모델 생성을 위한 데이터를 준비해야 하며 해당 지표에서 원시 출력을 가져오지 않아야 합니다. 할 수 있는 일이 더 많습니다 -
촛대는 최소 23개의 막대가 필요하기 때문에 테이블 시작 부분의 <NA>는 정상입니다. 처음 23개의 막대에 대해서는 항상 NA를 기대할 수 있습니다.
나는 창의 너비까지 표를 전혀 채우지 않았습니다. NA가 있을 뿐만 아니라 지표 계산의 깊이가 낮아 "일부 다른" 결과를 기대할 수도 있습니다.
첫 번째 줄을 모두 창 너비로 자르는 것이 좋습니다.
trainData <- trainData[-(1: indicatorDepth ), ]
대상 이외의 열 이름에서 <NA> 수정: colnames(trainData)[-ncol(trainData)] <- paste0("pred",1:(ncol(trainData)-1))
모든 긍정적인 경우 목표를 1로 변경하고 모든 부정적인 경우 -1로 변경합니다. 또는 뉴런이 있는 경우 {0;1}입니다.
가격에 가까운 일부 값을 포함하는 지표 - 0-1로 조정하거나 델타를 계산합니다. (예를 들어 MA 값은 항상 가격 근처 어딘가에 있으므로 스케일링하거나 델타화해야 합니다. 그리고 RSI는 항상 0-100의 자체 범위에 있으며 이는 그 자체로 좋습니다. 지표 값이 훈련 중에 알려진 값을 넘어설 수 있음 - 델타, 악화되지 않음)
뉴런의 경우 일반적으로 모든 지표를 0-1로 스케일링하는 것이 좋습니다.
글쎄, 등등.
그러나 46-51열의 NA는 실제로 뭔가 잘못된 것입니다. 다른 형식의 표시기는 모든 것을 반환하며 테이블에 삽입하려면 특별히 다른 코드가 필요합니다.
또는 - 이러한 지표는 그 자체로 NA를 반환합니다. 더 큰 창 너비가 필요할 수 있습니다. 또는 그들은 항상 마지막 막대에 대해 NA를 반환한 다음 다시 그리기이고 잘못된 새 막대의 데이터를 기반으로 NA를 대체합니다.
여기에 시장 반전의 예고인 새로운 막대가 있습니다. 그러나 우리는 계속해서 신성한 소에게 먹이를 주면서도 "분석" 섹션에서 가져온 몇 가지 아이디어를 위해 역사에 대한 우리의 견해를 바꾸지 않습니다.
단순 거래의 경우 이것은 매우 우수합니다. 동의합니다. 표시기는 방금 나타난 규칙성을 발견했고 우리에게 보여줬습니다. 모든 것이 정상입니다.
하지만 데이터를 준비하고 모델을 훈련해야 합니다. 표시기가 다시 그리는 경우 일반적으로 과거 막대의 값이 최신 데이터를 기반으로 지속적으로 변경됨을 의미합니다. 그들은 미래를 엿볼 수 있습니다. 그리고 모델은 결국 이러한 미래 지향적인 가치로부터 배우게 되며 좋은 결과를 얻을 수 없습니다.
이러한 지표는 학습의 대상으로 사용할 수 있지만 예를 들어 동일한 지그재그로 100바를 앞을 내다보기 때문에 추세를 아름답게 그립니다.
그러나 46-51열의 NA는 실제로 뭔가 잘못된 것입니다. 다른 형식의 표시기는 모든 것을 반환하며 테이블에 삽입하려면 특별히 다른 코드가 필요합니다.
또는 - 이러한 지표는 그 자체로 NA를 반환합니다. 더 큰 창 너비가 필요할 수 있습니다. 또는 그들은 항상 마지막 막대에 대해 NA를 반환한 다음 다시 그리기이고 잘못된 새 막대의 데이터를 기반으로 NA를 대체합니다.
확인하면 다시 그리는 것처럼 보입니다. 마지막 막대의 경우 nextCandlePosition 표시기는 항상 NA를 반환합니다. 그런 다음 다음 막대에서 NA를 필요한 것으로 바꿉니다. @mytarmailS 첫 번째 코드를 다시 시도하지만 이 표시기가 없으면 모델을 훈련하면 결과가 더 나빠질 것 같습니다.
마지막 값 대신 nextCandlePosition의 끝에서 두 번째 값을 사용하도록 스크립트를 수정했습니다. 이제 테이블의 마지막 행에 NA가 없습니다.
단순 거래의 경우 이것은 매우 우수합니다. 동의합니다. 표시기는 방금 나타난 규칙성을 발견했고 우리에게 보여줬습니다. 모든 것이 정상입니다.
하지만 데이터를 준비하고 모델을 훈련해야 합니다. 표시기가 다시 그리는 경우 일반적으로 과거 막대의 값이 최신 데이터를 기반으로 지속적으로 변경됨을 의미합니다. 그들은 미래를 엿볼 수 있습니다. 그리고 모델은 결국 이러한 미래 지향적인 가치로부터 배우게 되며 좋은 결과를 얻을 수 없습니다.
이러한 지표는 학습의 대상으로 사용할 수 있지만 예를 들어 동일한 지그재그로 100바를 앞을 내다보기 때문에 추세를 아름답게 그립니다.
간단한 예를 들어보겠습니다.
1. Hodrick-Prescott에 따라 앤티 앨리어싱을 그립니다. 다시 그립니다.
현재 막대에서 접선이 올려졌습니다. 다음 막대에서 접선은 아래쪽을 가리킵니다. 현재 변경 사항을 고려하여 표시기가 다시 그려졌습니다. 한발 앞서 예측 - 아래로.
2. 우리는 차를 그립니다.
현재 막대에서 접선이 올려졌습니다. 다음 막대에 접선이 나타납니다. 표시기는 아직 변경 사항에 도달하지 않았습니다. 한발 앞서 예측합니다.
HP 표시기는 10-15바에서 다시 그리기를 멈춥니다.
당신의 선택은 무엇이며 그 이유는 무엇입니까?
당신의 선택은 무엇이며 그 이유는 무엇입니까?
손으로 거래할 때 - 이 두 지표를 모두 사용하는 좋은 전략이 있다고 가정할 수 있습니다. 나는 그러한 전략을 알지 못하므로 그들과 거래하지 않을 것입니다.
기계 학습에서는 기계를 선택하겠습니다. 멍청한 지연 표시기는 다시 그리는 것보다 낫습니다.
확인하면 다시 그리는 것처럼 보입니다. 마지막 막대의 경우 nextCandlePosition 표시기는 항상 NA를 반환합니다. 그런 다음 다음 막대에서 NA를 필요한 것으로 바꿉니다. @mytarmailS 첫 번째 코드를 다시 시도하지만 이 표시기가 없으면 모델을 훈련하면 결과가 더 나빠질 것 같습니다.
마지막 값 대신 nextCandlePosition의 끝에서 두 번째 값을 사용하도록 스크립트를 수정했습니다. 이제 테이블의 마지막 행에 NA가 없습니다.
예, 다시 그릴 수 있는 것을 제거하기 위해 최고의 예측 변수 중 약 6개를 삭제했다고 썼지만 정확도는 문자 그대로 3% 떨어졌고 아마도 모든 것이 거기에서 다시 그려졌을 것입니다...
그래서 이미 모델을 훈련시켰습니까? 시작을 위해 샘플에 대해 수천을 취하고 즉시 50k를 계산하지 않을 수 있습니까?
예, 다시 그릴 수 있는 것을 제거하기 위해 최고의 예측 변수 중 약 6개를 삭제했다고 썼지만 정확도는 문자 그대로 3% 떨어졌고 아마도 모든 것이 거기에서 다시 그려졌을 것입니다...
귀하의 코드를 가져와 nextCandlePosition(X27)에서 수신한 6개의 표시기를 제거하고 100%가 아닌 52%의 정확도를 얻었습니다. 훈련을 위한 약간 다른 인덱스에서 정확도는 때때로 50% 미만입니다. 일반적으로 - 무작위.
거기에서 xs를 다시 그릴 수 있지만 대다수의 촛대 형태에는 출구에 TRUE, FALSE, NA의 세 가지 옵션만 있습니다.
nextCandlePosition을 사용하면 다음 막대와 실제로 관련된 값을 얻을 수 있습니다. 여기서 1단계로 미래를 내다봅니다.
일반적으로 작동하지 않았습니다.
귀하의 코드를 가져와 nextCandlePosition(X27)에서 수신한 6개의 표시기를 제거하고 100%가 아닌 52%의 정확도를 얻었습니다. 훈련을 위한 약간 다른 인덱스에서 정확도는 때때로 50% 미만입니다. 일반적으로 - 무작위.
nextCandlePosition을 사용하면 다음 막대와 실제로 관련된 값을 얻을 수 있습니다. 여기서 1단계로 미래를 내다봅니다.
일반적으로 작동하지 않았습니다.
뭐, 정리가 잘 된 건 좋은데 성배 를 별로 믿지 않았어
KEEL 의 관문인 새롭고 매우 유망한 RKEEL 패키지가 나타났습니다.
행운을 빕니다