Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1907

 
Maxim Dmitrievsky:

Hier ist einer von ihnen. Es gibt nur 12 Fiches, nicht 24.

Ich habe Fehler

>>> print(train_score, " ", tst_score)

1.0 0.5454545454545454

Dies ist eine Alphabetisierung zum Thema Maxim rein aus der Schulter heraus. Die Datei, die Sie mir gerade geschickt haben, besteht aus insgesamt 12 Einträgen. Um mit der Spitze zu beginnen, muss ich 20-24 Züge haben, dann kann ich mit 11 Eingängen beginnen (für meine Kapazitäten ist das das Maximum) und zu ihnen gehen, indem ich die Anzahl der Eingänge reduziere und sie durchstöbere. Wenn ich von oben nach unten optimiere, dann mache ich die ersten zehn Einzelläufe so, dass ich den besten Lauf auswähle und damit das normale Training beginne. Wenn ich nicht genügend Einträge habe, fange ich in der Regel mit 5 Einträgen an und versuche, die Anzahl der Einträge zu erhöhen und die schlechteste Version der ersten zehn Läufe zu wählen, um den Start in den Bereich der maximalen Überschreitung während des Trainings zu verschieben. Im ersten Fall spare ich eifrig an meinen Ressourcen. Im zweiten Fall wähle ich die schlechteste Option und versuche, alle möglichen Varianten so weit wie möglich durchzugehen.

Was Sie an Daten haben, ist Blödsinn. Schauen Sie, was ich habe, und ich vertraue diesen Ergebnissen, ich vertraue nur nicht Ihren Eingaben, die in die Zukunft blicken. Maxim, wie kann man sich dafür nicht schämen, Kinder schauen uns zu, und du machst Bilder für sie und wunderst dich, dass es mit dem Feedback nicht klappt.

Lassen Sie uns nur geben Sie jetzt werde ich Ihnen das Modell und die Datei Training, dass Sie wissen, welche Eingabe-Nummer entspricht Ihren Bezeichnungen, aber wenn Sie nicht zeigen, das Modell Arbeit in Feedback-Schleifen werde ich nicht tun, dass viel mehr. Alle wollen wissen, wie es funktioniert. Die Shaitan-Maschine arbeitet also nicht umsonst.


Nur ein einfacher Codeauszug

vv0[q]=0;//12    вместо нулей подай значения своих входов
vv1[q]=0;//10
vv2[q]=0;//8
vv3[q]=0;//2
double Ress1=getBinaryClassificator1(vv0[q],vv1[q],vv2[q],vv3[q]);  //Вызов результатов полиномов 
double Ress11=getBinaryClassificator2(vv0[q],vv1[q],vv2[q],vv3[q]);

double getBinaryClassificator1(double v0, double v1, double v2, double v3) {
   double x0 = 2.0 * (v0 + 0.00352160000000379) / 0.0060209999999973896 - 1.0;
   double x1 = 2.0 * (v1 + 0.00321680000000524) / 0.006628599999996879 - 1.0;
   double x2 = 2.0 * (v2 + 0.00257640000000836) / 0.00577599999999978 - 1.0;
   double x3 = 2.0 * (v3 + 0.00197520000000417) / 0.00414859999999794 - 1.0;
   double decision = 0.6226912928759895 * x0
  -0.013192612137203167 * x0 * x1
  + 0.9920844327176781 * x2
  + 1.3060686015831136 * x0 * x2
  -3.5395778364116093 * x1 * x2
  -1.1394019349164468 * x3
  + 2.5659630606860158 * x0 * x3
  + 0.5395778364116095 * x1 * x3
  + 0.31090589270008795 * sigmoid(x0)
  + 0.009674582233948988 * sigmoid(x1)
  -0.0839929639401935 * sigmoid(x0 + x1)
  + 0.012313104661389622 * sigmoid(x2)
  + 0.30474934036939316 * sigmoid(x0 + x2)
  -0.5958663148636764 * sigmoid(x1 + x2)
  + 0.002638522427440633 * sigmoid(x0 + x1 + x2)
  -0.05013192612137203 * sigmoid(x3)
  + 0.014951627088830254 * sigmoid(x0 + x3)
  -0.13412489006156553 * sigmoid(x1 + x3)
  -0.006596306068601583 * sigmoid(x0 + x1 + x3)
  + 0.04397537379067722 * sigmoid(x2 + x3)
  + 0.1363236587510994 * sigmoid(x0 + x2 + x3)
  + 0.6952506596306068 * sigmoid(x1 + x2 + x3)
  -0.29331574318381703 * sigmoid(x0 + x1 + x2 + x3)
  + 1.0738786279683377 * sigmoid(1.0 + x0)
  -1.073438874230431 * sigmoid(1.0 + x1)
  -0.4256816182937555 * sigmoid(1.0 + x0 + x1)
  + 1.0708003518029903 * sigmoid(1.0 + x2)
  + 0.9656992084432717 * sigmoid(1.0 + x1 + x2)
  -3.1314863676341247 * sigmoid(1.0 + x3)
  -0.8500439753737907 * sigmoid(1.0 + x0 + x3)
  + 1.0281442392260334 * sigmoid(1.0 + x1 + x3)
  + 0.8544415127528584 * sigmoid(1.0 + x0 + x1 + x3)
  -0.21328056288478453 * sigmoid(1.0 + x0 + x1 + x2 + x3);
   return decision;
}
double sigmoid(double x) {
   if (MathAbs(x) < 1.0) {
      return 2.0 * signum(x) - x;
   }
   return signum(x);
}
double getBinaryClassificator2(double v0, double v1, double v2, double v3) {
   double x0 = 2.0 * (v0 + 0.00518320000001116) / 0.00871940000000327 - 1.0;
   double x1 = 2.0 * (v1 + 0.00542880000001134) / 0.01145720000000306 - 1.0;
   double x2 = 2.0 * (v2 + 0.00578500000001125) / 0.00872540000000166 - 1.0;
   double x3 = 2.0 * (v3 + 0.00496500000001143) / 0.00698900000000191 - 1.0;
   double decision = -0.17965023847376788 * x0
  + 1.7416534181240064 * x1
  + 0.5389507154213037 * x0 * x1
  + 0.5023847376788553 * x2
  -0.16653418124006358 * x1 * x2
  -0.06836248012718601 * x3
  -0.8191573926868044 * x1 * x3
  -0.029809220985691574 * sigmoid(x0)
  -0.009141494435612083 * sigmoid(x1)
  + 0.00794912559618442 * sigmoid(x0 + x1)
  + 1.7150238473767885 * sigmoid(x2)
  -1.2686804451510334 * sigmoid(x0 + x2)
  + 0.051271860095389504 * sigmoid(x1 + x2)
  + 0.05405405405405406 * sigmoid(x0 + x1 + x2)
  -1.095389507154213 * sigmoid(x3)
  -0.2444356120826709 * sigmoid(x0 + x3)
  + 0.34737678855325915 * sigmoid(x1 + x3)
  + 0.9264705882352942 * sigmoid(x0 + x1 + x3)
  + 0.16176470588235295 * sigmoid(x2 + x3)
  -0.7682829888712241 * sigmoid(x0 + x2 + x3)
  -0.16335453100158984 * sigmoid(x1 + x2 + x3)
  + 0.7551669316375199 * sigmoid(x0 + x1 + x2 + x3)
  -2.048489666136725 * sigmoid(1.0 + x0)
  -0.31756756756756754 * sigmoid(1.0 + x1)
  -0.08982511923688394 * sigmoid(1.0 + x0 + x1)
  + 1.4666136724960255 * sigmoid(1.0 + x1 + x2);
   return decision;
}
double signum(double x) {
  if (x == 0.0) {
    return 0.0;
  }
  if (x > 0.0) {
    return 1.0;
  }
  return -1.0;
}

Aus der beigefügten Datei entnehme ich die Nummern der Eingänge entsprechend meiner Kennzeichnung. Ich warte noch auf die Ergebnisse des OMF-Tests.

Dateien:
Si_Splice_10.txt  102 kb
 

Na ja, und außerdem schätzt das Modell.

Die Prädiktoren geben die Anzahl der Spalten in der Datei an

258 Gesamtzahl der Vektoren. Ich habe die Klasse 0 entfernt und die Klasse 2 auf Null umbenannt, da sie zahlenmäßig mit der Klasse 1 ausgeglichen war, 19,60 ist der quadratische Fehler, oder vielmehr die Differenz zwischen dem linearen und dem quadratischen Fehler, die gegen Null tendieren sollte, 79,141 ist die allgemeine Verallgemeinerungsfähigkeit, wenn man auf 100 kommt, nimmt die Differenz zwischen den Fehlern ab, 69,767 ist die Spizifizierung. Die Gesamtkontrollfläche beträgt 75 mit einer Generalisierbarkeit von 70. Die Antwort lautet: NICHT WISSEN. Wir haben 77 Vektoren der Gesamtstichprobe, während die Kontrollfläche 17 Vektoren enthielt.

In der Tat habe ich im Training schlechtere Ergebnisse erzielt, aber im Kontrollabschnitt sind sie viel besser. Außerdem handelte es sich nicht um einen Testabschnitt wie bei Ihnen, sondern um einen Kontrollabschnitt, den das Netz überhaupt nicht gesehen hatte. Die Testphase ist die Phase, in der das Netz auf der Trainingsebene trainiert wird, so dass es auf der Testebene gut funktioniert, d. h. das Netz sieht während des Trainings möglicherweise den Testabschnitt. Beim Test ist das nicht der Fall. Fragen????

 

Bitte sagen Sie mir, wie ich einen Auftrag mit maximalem Gewinn (mql4) finden kann.

Ich danke Ihnen vielmals.

 
a5l3e5x:

Bitte sagen Sie mir, wie ich einen Auftrag mit maximalem Gewinn (mql4) finden kann.

Ich danke Ihnen vielmals.

Mein Freund, niemand benutzt MT4, ein Auftrag hat einen Gewinnparameter. Wir sollten alle Aufträge ausprobieren, um diesen Parameter auszulesen und den maximalen auszuwählen. Das war's... kurz und bündig...
 
Mihail Marchukajtes:

Sind Sie an dieser Herausforderung interessiert?

Forum zum Thema Handel, automatische Handelssysteme und Testen von Handelsstrategien

Maschinelles Lernen im Handel: Theorie, Praxis, Handel und mehr

Rorschach, 2020.07.14 19:21

Wer hat Lust zu üben? Einstieg in die Top-Charts, Ausstieg auf Platz drei. 2 und 4 sind Test. Einige Klarstellungen, 1 Chart-Inkrement, 3 Chart-Signal zu kaufen einige "klassische" System. Übrigens, knallharte Frage, ist ns in der Lage, Ligic zu emulieren und mit Speicheranzeigen, so etwas wie ein Zickzack und Maximum/Minimum-Anzeige?



 
Rorschach:

Ist eine solche Aufgabe interessant?


Das nehme ich an, aber wollen Sie damit sagen, dass ich Zahlen von einem Bild eingeben soll?
 
Mihail Marchukajtes:
Okay, aber soll ich die Zahlen aus einem Bild eingeben?

Dann bereite ich die Daten vor, 350 Beispiele, 100 Eingaben genügen?

 
Rorschach:

Ich bereite dann die Daten vor, 350 Beispiele, 100 Eingaben genügen?

Ja, im Allgemeinen ist das cool, aber ich bleibe dabei, dass die Eingaben dreimal so viele Beispiele sein sollten, damit der Algorithmus etwas zur Auswahl hat. Ich denke, ich werde noch ein Video machen, das Schreiben dauert zu lange. Es gibt eine Theorie der quadratischen Matrix, die mich zu dieser Schlussfolgerung gebracht hat... Bereiten Sie eine Probe vor...
 

Schaut es euch an, Leute, nicht um der Werbung willen. Ich ging zu einem ihrer Tage der offenen Tür und dachte, ich würde aufhören, Autodidakt zu sein, nur für den Fall, dass ich mir das nicht richtig vorstelle. Ich wollte sozusagen eine offizielle Bestätigung ihres Wissens erhalten. Erst neulich habe ich von Elon Musk und seinem Neurolink gelesen, das im August vorgestellt werden soll. Und hier, als ob der Brief kam, so habe ich nicht verstehen, wie man den Inhalt herunterladen, so schauen Sie sich das Bild.

Generell ist das Thema interessant, also können wir uns dort heimlich treffen und über das Wesentliche reden, was meinen Sie?

 
Mihail Marchukajtes:
Ja, das ist ziemlich cool, aber ich denke, es sollte dreimal so viele Beispiele geben, damit der Algorithmus eine große Auswahl hat. Ich habe das Gefühl, ich sollte noch ein Video aufnehmen, es würde zu lange dauern, es zu schreiben. Es gibt eine Theorie der quadratischen Matrix, die mich zu dieser Schlussfolgerung gebracht hat... Bereiten Sie eine Probe vor...

Meine Ergebnisse sind hier detailliert aufgeführt. Zur Validierung multipliziere ich die ursprüngliche Reihe mit -1

Dateien:
Files.zip  4 kb
Grund der Beschwerde: