Maschinelles Lernen im Handel: Theorie, Modelle, Praxis und Algo-Trading - Seite 2982

[Renat Akhtyamov]

mytarmailS #:

Wenn Sie die Zeiten der Maischen in der Dynamik kontrollieren, erhalten Sie einen guten TC auf den Maischen.

Außerdem kann man versuchen vorherzusagen, welche Perioden der Maischen in Zukunft profitabel sein werden.

verschiedene Variationen von Fitnessfunktionen ausprobieren

herzlichen Glückwunsch ;)

einer meiner ersten Tricks ist gelöst

Soweit ich mich erinnere, habe ich früher den transformierten Wert des Volatilitätsindikators anstelle der Periode eingesetzt.

Ich glaube, es war der APR

[mytarmailS]

Renat Akhtyamov #:

herzlichen Glückwunsch ;)

einer meiner ersten Tricks ist enthüllt

Soweit ich mich erinnere, habe ich den transformierten Wert des Volatilitätsindikators anstelle der Periode eingesetzt.

Ich glaube, es war APAC

Herzlichen Glückwunsch! Dieser Chip heißt "adaptive Filterung" "DSP" Dieser Chip ist etwa 70 Jahre alt.

[Renat Akhtyamov]

mytarmailS #:

Herzlichen Glückwunsch! Dieser Chip heißt "adaptive Filterung", "DSP", und ist etwa 70 Jahre alt.

Ich bin spät dran.

Ich habe ihn schon vor etwa 12 Jahren weggeworfen.

Zwei MAs sind ein Schildkrötenrennen.

Ich meine, es sieht nett aus, aber es ist mühsam zu bedienen.

;)

[mytarmailS]

Ich bin auf diese Frage eines Pythonisten zu R-Code gestoßen.

Ich bekam einen leichten Schock gemischt mit Gelächter...

So wird das Problem in Python gelöst.

def to_supervised(train, n_input, n_out):
    X, y = list(), list()
    in_start = 0
    #  step over the entire history one time step at a time
    for _ in range(len(data)):
        #  define the end of the input sequence
        in_end = in_start + n_input
        out_end = in_end + n_out
        #  ensure we have enough data for this instance
        if out_end <= len(data):
            x_input = data[in_start:in_end, 0]
            x_input = x_input.reshape((len(x_input), 1))
            X.append(x_input)
            y.append(data[in_end:out_end, 0])
        #  move along one time step

        in_start += 1
    return array(X), array(y)

und so wird es in R gelöst.

em <- embed(x = 1:10,dimension = 6)[,6:1]
e1 <- em[,1:3]
e2 <- em[,4:6]

Man spürt also den Unterschied, welche Sprache für die Arbeit mit Daten geschaffen ist und welche nur mäht.

[Maxim Kuznetsov]

mytarmailS #:

Ich stieß auf eine solche Frage von einem Pythonisten zu R-Code

Ich bekam einen leichten Schock gemischt mit Gelächter.....

Hier ist, wie das Problem in Python gelöst wird.

und so wird es in R gelöst

Um also ein Gefühl für den Unterschied zu bekommen, welche Sprache für die Arbeit mit Daten ausgelegt ist und welche nur ein Mäher ist

Du bist derjenige, der die Strings in MQL nicht gezählt hat :-) Die Sprache ist darauf ausgelegt, mit Daten zu arbeiten

[mytarmailS]

Maxim Kuznetsov #:

Sie haben keine Strings in MQL gezählt :-) Sprache für die Arbeit mit Daten

Ich will nicht einmal darüber nachdenken ))

[Renat Fatkhullin]

Maxim Kuznetsov #:

Sie haben keine Strings in MQL gezählt :-) Sprache für die Arbeit mit Daten

Es ist nur so, dass Sie die neue Funktionalität der Standard-Matrixmethoden von MQL5 nicht kennen:

• https://www.mql5.com/ru/docs/matrix

Es wurde ein großer Schritt in der grundlegenden Matrix- und Vektor-Mathematik gemacht. Das Schreiben kann deutlich kürzer sein.

[Maxim Dmitrievsky]

mytarmailS #:

Ich bin auf diese Frage eines Pythonisten gestoßen, die von

Ich bekam einen leichten Schock, gemischt mit Gelächter...

Dies ist, wie das Problem in Python gelöst wird.

und so wird es in R gelöst .

Spüren Sie also den Unterschied, welche Sprache für die Arbeit mit Daten ausgelegt ist.

Die Hauptsache ist, dass man nach dem Lachen keinen bitteren Nachgeschmack hat.

vec = [i for i in range(15)]    
matrix = [vec[i:i+7] for i in range(0, 14, 7)]
matrix2 = [vec[i:i+7] for i in range(1, 15, 7)]

Mit Numpy ist es sogar kürzer. Machen Sie etwas Sinnvolles.

[mytarmailS]

Maxim Dmitrievsky #:

Tun Sie etwas Sinnvolles.

Zum Beispiel

[Maxim Dmitrievsky]

mytarmailS #:

Zum Beispiel.

Ich weiß nicht, lässig.