Discussão do artigo "Escrevemos o primeiro modelo de caixa de vidro (Glass Box) em Python e MQL5"
Um ótimo artigo com muitas idéias novas. Gostei da maneira como você está integrando o python ao MT5. Este artigo é uma referência fundamental para demonstrar a manipulação de dados, a criação de gráficos e a modelagem em python.
Um ótimo artigo com muitas idéias novas. Gostei da maneira como você está integrando o python ao MT5. Este artigo é uma referência fundamental para demonstrar a manipulação de dados, a criação de gráficos e a modelagem em python.
Muito obrigado por suas palavras gentis, fico feliz que tenha gostado de ler o artigo. E espero compartilhar mais insights inovadores com você no futuro.
Incrível, obrigado, instruções bem explicadas e claras. Vou ver se consigo seguir suas instruções abrangentes, obrigado pelas ideias.
Foi possível conectar-me à conta de demonstração (apenas um subconjunto de símbolos, pois se trata de uma conta de demonstração ), tentei um que estava lá, o AUDHKD, mas fiquei preso em um problema de desacordo na linha 204,
ValueError: pelo menos um array ou dtype é necessário
tentei com o NZDCNH, que parece funcionar em algumas iterações, mas falha no sklern\multiclass na linha 167 com um tratamento de dados
o debug me diz que valueerror na linha 204 é necessário um array ou dtype - talvez eu precise verificar meu ambiente de demonstração, pois só o criei hoje :)
No índice Boom1000 padrão, o problema está na linha 100 com data e hora. raise KeyError(key)
KeyError: 'time' . Possivelmente um problema, pois meu fuso horário é a Nova Zelândia
Hoje não tenho tempo para testar, tentarei novamente amanhã.ValueError: pelo menos um array ou dtype é necessário
tentei com o NZDCNH, que parece funcionar em algumas iterações, mas falha no sklern\multiclass na linha 167 com um tratamento de dados
o debug me diz que valueerror na linha 204 é necessário um array ou dtype - talvez eu precise verificar meu ambiente de demonstração, pois só o criei hoje :)
No índice Boom1000 padrão, o problema está na linha 100 com data e hora. raise KeyError(key)
KeyError: 'time' . Possivelmente um problema, pois meu fuso horário é a Nova Zelândia
Hoje não tenho tempo para testar, tentarei novamente amanhã.Oi Linfo, espero que isso ajude:
1) A coluna 'time' foi o nome que meu corretor deu a um carimbo de data/hora UNIX que marca cada uma das linhas nos dados que busquei. Talvez seu corretor use um nome diferente, como "date", que é comum. Verifique o dataframe que você obtém após chamar copy_rates_range. O fato de você estar recebendo um "KeyError" pode significar que o dataframe está totalmente vazio ou que não há nenhuma coluna chamada "time"; provavelmente, ela tem um nome diferente do seu lado.
2) Valide a saída de copy_rates_range, pelo que você descreveu, acho que é aí que as coisas podem estar dando errado. Verifique os nomes das colunas dos dados que estão sendo retornados a você depois de fazer a chamada.
Se essas etapas não funcionarem, entre em contato comigo.
Obrigado pelo feedback e pela orientação imediata.
Estou atualizando aqui, pois pode ser útil para outras pessoas. Meus problemas;
1) Criei uma nova conta de demonstração para testar isso e nem todas as moedas estavam disponíveis. Isso é resolvido abrindo a conta e garantindo que as moedas desejadas estejam ativas (cor dourada)
2) Não havia nenhum índice Boom1000 (dados) fornecido pelo servidor, ele estava na lista, mas eu não tinha acesso à minha conta (certifique-se de alterar o padrão para algo a que você tenha acesso e que possa dar um resultado).
3) Para mim, os resultados da interpretação não eram exibidos no std python, e só consegui fazer funcionar com o anaconda instalado (teria sido mais fácil se eu o tivesse instalado primeiro).
Depois desse contratempo, a documentação foi clara e útil. Ainda estou digerindo os resultados até agora, portanto, ainda não passei para o lado do mql5
Mais uma vez, obrigado pela publicação e estou ansioso para entender melhor o processo. Atenciosamente, Neil
2) Não havia nenhum índice Boom1000 (dados) fornecido pelo servidor, ele estava na lista, mas eu não tinha acesso à minha conta (certifique-se de alterar o padrão para algo a que você tenha acesso e isso pode dar um resultado).
3) Para mim, os resultados da interpretação não eram exibidos no python padrão; só consegui fazer funcionar com o anaconda instalado (teria sido mais fácil se eu o tivesse instalado primeiro).
Depois desse contratempo, a documentação foi clara e útil. Ainda estou digerindo os resultados até agora, portanto ainda não passei para o lado do mql5
Mais uma vez, obrigado pela publicação e estou ansioso para entender melhor o processo. Atenciosamente, Neil
Fico feliz em ver que você está progredindo bastante, Neil.
Surpreendentemente: a frase mais importante para entender o material está no final do artigo:
текущие реализации моделей стеклянного ящика основаны на деревьях решений
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Você concorda com a política do site e com os termos de uso
Novo artigo Escrevemos o primeiro modelo de caixa de vidro (Glass Box) em Python e MQL5 foi publicado:
Os modelos de aprendizado de máquina são difíceis de interpretar, e entender o motivo pelo qual os modelos não atendem às nossas expectativas pode ajudar muito a alcançar o resultado desejado ao usar esses métodos modernos. Sem um entendimento abrangente do funcionamento interno do modelo, pode ser difícil identificar erros que prejudicam o desempenho. Nesse processo, podemos dedicar tempo a criar funções que não impactam na qualidade da previsão. No final, por melhor que seja o modelo, perdemos todos os seus principais benefícios devido a nossos próprios erros. Felizmente, existe uma solução complexa, mas bem desenvolvida, que permite ver claramente o que está acontecendo sob o capô do modelo.
Os algoritmos de caixa de vidro (ou branca) são modelos de aprendizado de máquina transparentes que levam em conta os mecanismos internos do sistema. Eles questionam a noção de que o aprendizado de máquina deve se balancear entre a precisão da previsão e a facilidade de interpretação. Para isso, esses modelos oferecem um alto nível de precisão e transparência, o que os torna significativamente mais simples de depurar, manter e aprimorar em comparação aos modelos de caixa preta. Os modelos de caixa preta são aqueles em que um processo excessivamente complexo em um sistema fica oculto do ambiente externo. Esses modelos geralmente representam relações multidimensionais e não lineares que não são fáceis de entender para nós, seres humanos.
Como regra geral, os modelos de caixa preta só devem ser usados quando um modelo de caixa de vidro não puder entregar o mesmo nível de precisão. Neste artigo, criaremos um modelo transparente e exploraremos os possíveis benefícios de usá-lo. Vamos considerar duas formas de trabalhar com o terminal MetaTrader 5:
Autor: Gamuchirai Zororo Ndawana