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
Da ist wahrscheinlich gemeint, dass die Attribute und Beschriftungen durch Funktionen, also automatisch, aufgebaut werden.
Wahrscheinlich.
Wenn es auf neue Daten angewendet wird, wird das bereits trainierte Modell verwendet, man muss nichts löschen.
Und warum sollte man es bei der Initialisierung zu Beginn des Trainings löschen? Ich klammere mich nicht an Worte, ich verstehe es nur nicht - wir haben am Anfang einmal markiert, und dann markieren wir sofort wieder..... Ich verstehe diesen Punkt nicht.
Wenn Sie dasselbe wollen - machen Sie die minimale und maximale Handelsdauer gleich, min=max
Nein, ich möchte nur meine Stichprobe ausprobieren, und dazu muss ich verstehen, was dort entfernt werden muss.
Wahrscheinlich.
Und warum sollte man sie bei der Initialisierung des Ausbildungsbeginns löschen? Ich klammere mich nicht an Worte, ich verstehe nur nicht - wir haben am Anfang einmal markiert, und dann markieren wir gleich wieder.... Diesen Punkt verstehe ich nicht.
Nee, ich will nur meine Stichprobe machen, und dazu muss ich verstehen, was dort entfernt werden muss.
Falls Interesse besteht, kann ich weitere Varianten mit "klareren" und einfacheren Realisierungen einführen. Denn diese hier ist etwas schwer zu verstehen. Es gibt hier eine Menge Annahmen, die einen verwirren können.
Falls Interesse besteht, kann ich weitere Varianten mit "klareren" und einfacheren Realisierungen einführen. Denn diese hier ist etwas schwer zu verstehen. Es gibt hier eine Menge Annahmen, die einen verwirren können.
Ich bin an jedem Codebeispiel mit kleiner Beschreibung interessiert, da ich Python-Code noch nicht sehr gut verstehe.
Ich bin an allen Codebeispielen mit wenig Beschreibung interessiert, da ich Python-Code noch nicht sehr gut verstehe.
Python ist sehr einfach. Buchstäblich ein paar "Python for Complex Problems" Bücher - es deckt die Verwendung von grundlegenden Paketen wie numpy, pandas, sklearn. Und Mark Lutz - Learning Python, Volume 1. Das 2. Buch handelt von Klassen, da braucht man nicht viel.
Danke für die Empfehlung. Python mag einfach sein, aber mein Gedächtnis ist schlecht geworden - daher ist es schwer, neue Dinge zu lernen.
Ist die Spalte "close" nach dem Erstellen einer Probe mit zwei Zielen irgendwo anders involviert, oder kann sie mit Nullen gefüllt werden?
Im Allgemeinen habe ich Daten in diesem Format in einer csv-Datei
Dementsprechend lasse ich sie durch diesen Code so aussehen, wie im Artikel beschrieben
# Загрузите данные из файлов Load_train_data = pd.read_csv('E:\\FX\\MT5_CB\\MQL5\\Files\\Catboost_Tester_M02_104_SMO\\Setup\\train.csv',sep=';') # Сохранили предикторы train_data = Load_train_data.loc[:, :'iVolumes_B0_S15_D1'] # Сохранили значения целевой train_labels = Load_train_data['Target_100'] # Преобразование столбца 'Time' в формат datetime Load_train_data['Time'] = pd.to_datetime(Load_train_data['Time'], format='%Y.%m.%d %H:%M:%S') # Преобразование обратно в строку с нужным форматом #Load_train_data['Time'] = Load_train_data['Time'].dt.strftime('%Y-%m-%d %H:%M:%S') # Сохранили значение столбца train_taime = Load_train_data['Time'] # Вывод результата print(train_taime) # Создали новый DataFrame объединением столбцов combined_data = pd.concat([train_taime, train_data, train_labels], axis=1) # Добавили новый столбец "close" после "train_taime" со значениями "1.1" combined_data.insert(combined_data.columns.get_loc('Time') + 1, 'close', 1.1) # Переименовали столбец "Target_100" в "labels" combined_data.rename(columns={'Target_100': 'labels'}, inplace=True) # Добавили столбец с данными из train_labels combined_data['meta_labels'] = train_labels pr = combined_data # Вывод результата print(combined_data)Druckt wie folgt
Als nächstes kommentiere ich die Funktionen in Ihrem Jahr
Ich erhalte einen Fehler
Traceback (most recent call last): File "F:/FX/Python/meta_modeling_Viborka.py", line 386, in <module> res.append(brute_force(pr[pr.columns[1:]], bad_samples_fraction=0.5)) File "F:/FX/Python/meta_modeling_Viborka.py", line 128, in brute_force X = X[X.index >= START_DATE] File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\common.py", line 81, in new_method return method(self, other) File "C:\Program Files\Python38\lib\site-packages\pandas\core\arraylike.py", line 60, in __ge__ return self._cmp_method(other, operator.ge) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\range.py", line 964, in _cmp_method return super()._cmp_method(other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\base.py", line 6783, in _cmp_method result = ops.comparison_op(self._values, other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 296, in comparison_op res_values = _na_arithmetic_op(lvalues, rvalues, op, is_cmp=True) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 171, in _na_arithmetic_op result = func(left, right) File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 239, in evaluate return _evaluate(op, op_str, a, b) # type: ignore[misc] File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 70, in _evaluate_standard return op(a, b) TypeError: '>=' not supported between instances of 'int' and 'datetime.datetime' >>>Ich möchte es testen, aber ich kann nicht :(
TypeError: '>=' nicht unterstützt zwischen Instanzen von 'int' und 'datetime.datetime'
Das erste, was mir aufgefallen ist, ist, dass Sie die falschen Dataframe-Indizes haben, es sollte datetime sein, d.h. die Zeitspalte sollte indiziert werden
Das erste, was ich bemerkt habe, ist, dass Sie die falschen Dataframe-Indizes haben, es sollte datetime sein, d.h. die Zeitspalte sollte indiziert werden
Und wie kann ein idex-Wert (0,1,2) mit einem Kalenderdatum verglichen werden?