Diskussion zum Artikel "Die Anwendung der Monte Carlo Methode beim Reinforcement-Learning" - Seite 2

Neuer Kommentar
 
Максим Дмитриевский :
Hallo, ja nur

Übrigens, in dieser Version haben Sie alles in eine Matrix programmiert und daher kann ich keine Änderungen am Code vornehmen oder einfach mit etwas Eigenem experimentieren :))))))

Wenn Sie mir einen Vorschlag machen können, was im Code geändert werden muss, um die Leistung zu verbessern, dann kann ich es selbst ausprobieren, denn ich habe eine Menge mathematischer Formeln, die implementiert und getestet werden können, anstatt nur den Schlusskurs zu verwenden.

[Gelöscht]  
FxTrader562:

Übrigens, in dieser Version haben Sie alles in eine Matrix programmiert, und deshalb kann ich keine Änderungen am Code vornehmen oder einfach mit etwas Eigenem experimentieren :))))))

Wenn Sie etwas vorschlagen können, das im Code geändert werden muss, um die Leistung zu verbessern, dann kann ich es selbst ausprobieren, denn ich muss eine Menge mathematischer Formeln implementieren und testen, anstatt nur den Schlusskurs zu verwenden.

Was ich vorschlagen kann, ist, Dinge im Code selbst zu ändern. In der Regel handelt es sich dabei um nicht-triviale Dinge, die auf Bewusstseinsstrom und Deep Learning der Theorie des maschinellen Lernens basieren. Leider ist es viel schneller, dies selbst zu tun, als es zu erklären, ausgehend von den Grundlagen der Programmierung. Ich sehe schon, dass dieses Niveau für viele Menschen fast unerreichbar ist, obwohl dies erst der Anfang ist (es geht nicht darum, zu prahlen, sondern die Reaktionen der Menschen zu beobachten). Also folgen Sie einfach den Artikeln... und lernen Sie Matrizen :)

 

Ich war überrascht, wie parallel unsere Ideen und Entwicklungen sind! Sehr nützlicher Artikel!

Ich verstehe richtig, dass es für die Arbeit mit Ihren eigenen Prädiktoren ausreicht, eine Änderung an diesem Code vorzunehmen:

//+------------------------------------------------------------------+
//| Tsignal berechnen|
//+------------------------------------------------------------------+
void calcTsignal() {
   Tsignal=0;
   for(int i=0;i<ArraySize(ag1.agent);i++) {
      CopyClose(_Symbol,0,1,ArraySize(ag1.agent[i].inpVector),ag1.agent[i].inpVector);
      ArraySetAsSeries(ag1.agent[i].inpVector,true);
     }
   Tsignal=ag1.getTradeSignal();
  }
[Gelöscht]  
Aleksey Vyazmikin:

Ich war überrascht, wie parallel unsere Ideen und Entwicklungen sind! Sehr nützlicher Artikel!

Ich verstehe richtig, dass es für die Arbeit mit Ihren eigenen Prädiktoren ausreicht, eine Änderung an diesem Code vorzunehmen:

ja, für jeden einzelnen Prädiktor ein Element des Arrays

 

Hallo, wo kann ich diese Datei bekommen?

//+------------------------------------------------------------------+
//|RL Monte Carlo.mqh |
//|Copyright 2018, Max Dmitrievskiy |
//| https://www.mql5.com/de/users/dmitrievsky |
//+------------------------------------------------------------------+
#property copyright "Copyright 2018, Max Dmitrievskiy"
#property link      "https://www.mql5.com/de/users/dmitrievsky"
#include <Math\Alglib\dataanalysis.mqh>
#include <Math\Alglib\alglib.mqh> 
#include <MT4Orders.mqh>
sinput int      OrderMagic=666;
[Gelöscht]  
Alexander Fedosov:

Hallo, wo kann ich diese Datei bekommen?

hallo, https://www.mql5.com/de/code/16006

das ist die Originalbibliothek von fxsaber, vergaß ich zu erwähnen. Es gibt einen Link in dem vorherigen Artikel.

MT4Orders
MT4Orders
  • www.mql5.com
Данная библиотека позволяет работать с ордерами в MQL5 (MT5-hedge) точно так же, как в MQL4. Т.е. ордерная языковая система (ОЯС) становится идентичной MQL4. При этом сохраняется возможность параллельно использовать MQL5-ордерную систему. В частности, стандартная MQL5-библиотека будет продолжать полноценно работать. Выбор между ордерными...
 

Man wählt einen Prädiktor nach dem anderen aus und nimmt dann die 5 besten.
Der Forumsbeitrag "Machine Learning in Trading: Theory and Practice (Trading and Beyond)" begann mit einem Beispiel, dass Prädiktoren in Wechselbeziehung zueinander entscheidend sein können. Zugegeben, das Beispiel war künstlich.

Aber in den Artikeln von Vladimir Perervenko gab es Beispiele für die Identifizierung von interagierenden Prädiktoren auf realen Daten. Leider ist ihre Erkennung sehr rechenaufwendig.

 
elibrarius:

Man wählt einen Prädiktor nach dem anderen aus und nimmt dann die 5 besten.
Der Forumsbeitrag "Machine Learning in Trading: Theory and Practice (Trading and Beyond)" begann mit einem Beispiel, dass Prädiktoren in Wechselbeziehung zueinander entscheidend sein können. Das Beispiel war jedoch künstlich.

In den Artikeln von Vladimir Perervenko gab es jedoch Beispiele für die Identifizierung von interagierenden Prädiktoren auf realen Daten. Leider ist ihre Erkennung sehr rechenaufwendig.

Gibt es eine andere Methode zur Identifizierung von Gruppen von Prädiktoren als eine vollständige Aufzählung?

[Gelöscht]  
elibrarius:

Man wählt einen Prädiktor nach dem anderen aus und nimmt dann die 5 besten.
Der Forumsbeitrag "Machine Learning in Trading: Theory and Practice (Trading and Beyond)" begann mit einem Beispiel, dass Prädiktoren in Wechselbeziehung zueinander entscheidend sein können. Das Beispiel war jedoch künstlich.

In den Artikeln von Vladimir Perervenko gab es jedoch Beispiele für die Identifizierung von interagierenden Prädiktoren auf realen Daten. Leider ist ihre Erkennung sehr rechenaufwendig.

Bei jeder Rekombination von Merkmalen ändert sich ihre Bedeutung kaum (fast gar nicht). Wenn es darum geht, neue Prädiktoren aus den ursprünglichen zu konstruieren, kann dies in der Tat rechenintensiv sein. Hier ist ein einfaches Beispiel, das aber recht effizient ist und wirklich gute Merkmale auswählt

Normalerweise ist es sogar noch trivialer - je höher die Varianz, desto höher die Wichtigkeit, alle Merkmale werden nach ihrer Varianz geordnet. Deshalb funktioniert dieses Beispiel gut.
 
Aleksey Vyazmikin:

Gibt es eine andere Methode zur Identifizierung von Prädiktorgruppen als eine vollständige Aufzählung?

Schauen Sie sich Vladimirs frühere Artikel an (2. oder 3.), in denen in einem der R-Pakete mit Hilfe von Scaffolding ermittelt wurde. Die Berechnung dauerte sehr lange (um ein Vielfaches länger als das Training des Haupt-NS), egal ob es sich um eine vollständige Suche oder um Genetik handelte - Sie sollten in der Paketdokumentation nachsehen.
Höchstwahrscheinlich wurde es in irgendeiner Weise optimiert.

1234567
Neuer Kommentar