Diskussion zum Artikel "Metamodelle für maschinelles Lernen und Handel: Ursprünglicher Zeitpunkt der Handelsaufträge" - Seite 10

 
Maxim Dmitrievsky #:
Ich sehe keine Prognose. Man kann Epilepsie bekommen, wie in einigen japanischen Zeichentrickfilmen, also sei vorsichtig damit.

Das ist aus einem Lehrbuch über nichtlineare Dynamik. Das Interessante daran ist, dass das ganze Bild durch eine einzige Rekursionsformel gegeben ist. Das heißt, wenn man den Ort, an dem man sich befindet, und die Richtung der Bewegung kennt, kann man mit hoher Wahrscheinlichkeit sagen, wo man sich in einiger Zeit befinden wird.

Was das vorherige Bild betrifft. Ich möchte niemanden mit meiner Super-Vorhersage oder meinem Gral verblüffen, und ich habe darauf hingewiesen, dass 10 % des Arbeitsaufwands bereits geleistet worden sind.

Dateien:
w6r5f.gif  82 kb
 
Inquiring #:

Dies ist aus einem Lehrbuch über nichtlineare Dynamik. Interessant ist, dass das ganze Bild durch eine einzige Rekursionsformel gegeben ist. Das heißt, wenn man den Ort, an dem man sich befindet, und die Richtung der Bewegung kennt, kann man mit hoher Wahrscheinlichkeit sagen, wo man sich in einiger Zeit befinden wird.

Was das vorherige Bild angeht. Ich möchte niemanden mit meiner Superprognose oder meinem Gral beeindrucken, und ich habe darauf hingewiesen, dass 10 % der Arbeit bereits erledigt sind.

Es bleibt, Ihnen viel Glück zu wünschen
 
Maxim Dmitrievsky #:
Ich wünsche Ihnen einfach viel Glück.

Ich danke Ihnen.

 

Hallo!

Interessiert an Ihren Artikeln, es war interessant zu studieren. Vielen Dank für diese Arbeit.

Ich habe nie über die Übersetzung eines Netzwerks in *.mqh Bibliothek gekommen. Ist es möglich, das CNN-Netzwerk auf diese Weise zu übersetzen?

Ich habe eine Verbindung zwischen dem Jupiter und dem Terminal über Datendateien, was nicht sehr bequem ist.

Ich würde es gerne auch implementieren. Bitte sagen Sie mir, wo ich danach suchen kann.

Ich danke Ihnen.

 
djgagarin #:

Hallo!

Interessiert an Ihren Artikeln, es war interessant zu studieren. Vielen Dank für solche Arbeit.

Ich habe nie über die Übersetzung eines Netzwerks in *.mqh Bibliothek kommen. Ist es möglich, CNN-Netzwerk zu übersetzen *.mqh Bibliothek?

Ich habe eine Jupiter-Verbindung mit dem Terminal über Datentransfer-Dateien, die nicht sehr bequem ist.

Ich würde es auch gerne implementieren. Bitte sagen Sie mir, wo ich suchen soll.

Ich danke Ihnen.

Hallo, natürlich können Sie die Netzarchitektur umschreiben und dann die Gewichte bei jedem Training in einer Datei oder sofort in mqh speichern.

vielleicht ist es möglich, ein vorgefertigtes zu verwenden, wie

Da ich mich selbst nicht mit Netzen befasse, kann ich Ihnen nichts über die Komplexität der Migration sagen, es hängt wahrscheinlich von der Komplexität des Netzes ab.

Нейросети — это просто (Часть 3): Сверточные сети
Нейросети — это просто (Часть 3): Сверточные сети
  • www.mql5.com
Продолжая тему нейронных сетей, предлагаю рассмотреть сверточные нейронные сети. Данный тип нейронных сетей был разработан для поиска объектов на изображении. Рассмотрим, как он может нам помочь в работе на финансовых рынках.
 

Ich erhalte eine Warnung

Warning (from warnings module):
  File "D:\FX\Python\meta_modeling.py", line 26
    pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
UserWarning: The argument 'infer_datetime_format' is deprecated and will be removed in a future version. A strict version of it is now the default, see https://pandas.pydata.org/pdeps/0004-consistent-to-datetime-parsing.html. Sie können dieses Argument getrost entfernen.

Es ist nicht klar, ob dies für den ordnungsgemäßen Betrieb kritisch ist oder nicht, und wie man es beheben kann?

def get_prices() -> pd.DataFrame:
    p = pd.read_csv('EURUSDMT5.csv', delim_whitespace=True)
    pFixed = pd.DataFrame(columns=['time', 'close'])
    pFixed['time'] = p['<DATE>'] + ' ' + p['<TIME>']
    pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
    pFixed['close'] = p['<CLOSE>']
    pFixed.set_index('time', inplace=True)
    pFixed.index = pd.to_datetime(pFixed.index, unit='s')
    pFixed = pFixed.dropna()
    pFixedC = pFixed.copy()
 
Aleksey Vyazmikin #:

Ich bekomme eine Warnung.

Es ist nicht klar, ob dies für den korrekten Betrieb kritisch ist oder nicht, und wie man es beheben kann?

Im neuen Pandas ersetzen Sie mit

format='gemischt'
 
Maxim Dmitrievsky #:

In den neuen Pandas ersetzen Sie mit

format='gemischt'

Ja, es hat funktioniert, vielen Dank.

Es gibt einige unklare Punkte in dem Artikel:

"Die Auswahl der Prädiktoren und das Markup der Trades erfolgt automatisch." - Ich konnte in dem Artikel nicht finden, wo die automatische Methode zur Auswahl der Prädiktoren beschrieben wird?

"Die Daten sind nun für das Training vorbereitet. Es ist möglich, die Hauptlabels ('labels') zusätzlich nach den Zweitlabels ('meta_labels') zu repartitionieren, d.h. alle Geschäfte, die sich als unrentabel herausgestellt haben, aus dem Datensatz zu löschen."

Und wie geschieht diese Löschung bei der Anwendung des Modells auf neue Daten im Expert Advisor?

Ich kann nicht verstehen, warum der Aufschlag in der Anfangsphase anders ist. Wird dies nur künstlich erzeugt, und ist es möglich, dies nicht zu tun?

 
Aleksey Vyazmikin #:

Ja, es hat funktioniert, danke.

Es gibt einige unklare Punkte in dem Artikel:

"Die Auswahl der Prädiktoren und das Markup der Trades erfolgt automatisch." - Ich konnte in dem Artikel nicht finden, wo die automatische Methode zur Auswahl der Prädiktoren beschrieben wird?

"Jetzt sind die Daten für das Training vorbereitet. Sie können eine zusätzliche Repartitionierung der Hauptlabels ('labels') entsprechend den Zweitlabels ('meta_labels') vornehmen, d.h. alle Trades aus dem Datensatz entfernen, die sich als unrentabel erwiesen haben."

Und wie erfolgt diese Löschung bei der Anwendung des Modells auf neue Daten im Expert Advisor?

Ich kann nicht verstehen, warum der Aufschlag in der Anfangsphase anders ist. Ist das nur künstlich gemacht und kann man das nicht machen?

Es bedeutet wahrscheinlich, dass die Zeichen und Beschriftungen durch Funktionen erstellt werden, so dass es automatisch ist.

Bei der Anwendung auf neue Daten wird das bereits trainierte Modell verwendet, Sie brauchen nichts zu löschen.

Das Markup ist anders - es wird eine Zufallsstichprobe von Trades gewählt, weil wir nicht wissen, wie wir das Diagramm richtig markieren sollen. Wenn wir den Chart viele Male zufällig markieren und das Training viele Male neu starten, dann gilt nach dem Gesetz der großen Zahlen....

 
Wenn Sie dasselbe wollen - machen Sie die minimale und maximale Dauer der Transaktion gleich, min=max
Wenn wir wüssten, wie man es richtig macht, aber wir wissen nicht, wie man es richtig macht....

Sie können jede beliebige Autopartitionierungsfunktion ersetzen, das macht die Flexibilität des Ansatzes aus.