Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 1924
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Ich weiß)) Ich habe auf der vorherigen Seite über dbscan geschrieben).
Aber auch damit wird es mühsam, erstens muss man mit Clustern immer gleich herumspielen und zweitens ist es wahnsinnig langsam, neue Daten zu erkennen.
Ich habe irgendwo gelesen oder das Paket ist geplant, zu tun oder in p-Studio-Chip erscheinen sollte -, dass der Cluster manuell auswählbar sein wird, direkt mit der Maus, habe nicht davon gehört?
Es gibt keinen Grund, Dinge zu erfinden. Dies ist die schnellste Implementierung von hdbscan in R. Und man braucht nicht herumzuspielen, man muss nur die Parameter herausfinden und sie verwenden. Ich habe irgendwo gelesen, dass ein Mann sagte, es sei nichts für MO.
Viel Glück!
Dieselben Daten, aber Ziel mit drei Klassen
Der Reihe nach:
im ersten Code.
Error in evalq({ : object 'env' not foundWie soll man damit umgehen? )
Das brauchen Sie nicht zu erfinden. Dies ist die schnellste Implementierung von hdbscan in R.
an.
Und Sie brauchen nicht herumzuspielen, Sie müssen nur die Parameter herausfinden und sie verwenden. Ich habe irgendwo gelesen, dass ein Mann sagte, es sei nichts für MO.
Die Parameter zu optimieren ist das, was ich "Herumspielen" nenne. Es wird diese Cluster definitiv nicht beim ersten Mal richtig treffen, aber das war's...
Ich habe etwa so etwas.
Nun, das ist interessant. Danke für den Hinweis.
Und diese Umwandlungen
umap_transform(X = X1$test1$x, model = origin.sumap, n_threads = 4 L, verbose = TRUE) -> test1.sumapIst dies ein Ersatz für das Standardprädikat? Sie müssen hier neue Daten einreichen, oder nicht?Hallo zusammen!
Vielleicht kann jemand beraten - ich habe ein Problem, dass kein Broker von rf nicht erlauben, Geschäfte auf mt5 mit Python (alfa-forex, BKS, FINAM, just2trade) zu öffnen konfrontiert. Alle Makler geben eine Fehlermeldung aus:"comment=Unsupported filling mode". Zur gleichen Zeit sind meine Trades mit MetaQuotes Demo auf mt5 developer geöffnet.
Bitte beraten Sie mich, wie ich damit umgehen soll? Hat jemand einen zuverlässigen Broker gefunden, der den Handel mit Python ermöglicht?
Hallo zusammen!
Vielleicht kann mir jemand sagen, ich habe ein Problem, dass kein Broker von rf nicht erlauben, Trades auf mt5 mit Python (alfa-forex, BKS, FINAM, just2trade) zu öffnen.
Alle Makler geben eine Fehlermeldung aus:"comment=Unsupported filling mode". Zur gleichen Zeit sind meine Trades mit MetaQuotes Demo auf mt5 developer geöffnet.
Bitte beraten Sie mich, wie ich damit umgehen kann.
Versuchen Sie das order_send-Beispiel, aber verwenden Sie 'ORDER_FILLING' anstelle von
verwenden Sie stattdessen 'ORDER_FILLING_FOK' oder 'ORDER_FILLING_IOC'.
Versuchen Sie das order_send-Beispiel, nur anstelle von
ORDER_FILLING_FOK" oder "ORDER_FILLING_IOC" verwenden.
Wladimir,
geholfen, danke!!!
Und diese Umwandlungen.
Ist dies ein Ersatz für die Standardvorhersage? Sie müssen hier neue Daten eingeben, richtig?Ja, es ist eine Art Präfix. Und das ist der Hauptvorteil dieses Pakets.
Ja, es ist ziemlich perfekt. Und das ist der Hauptvorteil dieses Pakets.
Nun, im "umap"-Paket können Sie nur Vorhersagen verwenden, um Vorhersagen zu machen, aber ich habe noch nichts darüber gehört, wie man ein Ziel zum Paket hinzufügt. Auf jeden Fall danke für die neuen Axpyrians.
Wie sieht es mit diesen Ergebnissen aus? Ist es besser, mit diesem Paket eingestuft zu werden?
Nirgends ist untersucht worden, wie die Eingaben am besten normalisiert werden können: inkrementell, Subtraktion ma, gleitendes Fenster?
https://github.com/philipperemy/fractional-differentiation-time-series
Sie müssen so lange differenzieren, bis der ADF-Test bestanden ist, d. h. die Inkremente stationär werden. Aber es ist möglich, noch ein wenig weiter zu gehen.
Es geht darum, die Daten einerseits innerhalb des bekannten Bereichs des neuronalen Netzes zu halten, andererseits aber so wenig Informationen wie möglich zu verlieren