Forester / Profil

Текущий вариант OnTickMulti https://www.mql5.com/ru/code/47647 считает прибыль в валюте каждого символа или можно получить в пипсах. Но на общий баланс они влияют в другой пропорции, согласно текущему курсу каждого из символов...

Провел сравнение разных методов оценки важности предикторов. Тесты проводил на данных титаника (36 фичей и 891 строки) при помощи случайного леса из 100 деревьев. Распечатка с результатами ниже...

Потребовалась функция ГСЧ с гнерацией числа Int от 0 до любого значения. Получилась такая функция. Думаю распределение получилось равномерным. int RandomInteger(int max_vl){return (int)MathFloor((MathRand()+MathRand()*32767.0)/1073741824...

Пробую оценить важность предикторов для обученного леса, удаляя 1 из них и обучая лес снова. После чего из ошибки полного леса вычитаю ошибку леса c удаленным предиктором. Если ошибка уменьшилась, значит предиктор шумовой и его надо удалять, если увеличилась - то он полезный и его надо оставить...

Я тут читаю: Флах П. - Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных - 2015 там есть несколько страниц посвященных этой теме. Вот итоговая: Отмеченный пункт 1 говорит, что балансировка полезна. Но имеется и пункт 2...

Принято разбивать даныые на 3 участка train|valid|test В darch участок valid можно включить в отбор лучшей модели darch.returnBestModel.validationErrorFactor = valErF,# важность валидационного участка, по умолчанию 0,63 Использование valid как есть нерационально, т.к...

Я немного поэксперементировал с RNN и похоже, что она просто запоминает примеры обучения (важные в связке с шумовыми предикторами), а на новых данных шумовые предикторы портят результат. Т.е. RNN склонна к переобучению. По крайней мере для логических задач, где 0 и 1...

Приветствую! После введения в МТ5 оптимизации и тестирования на реальных тиковых данных, в разы увеличилось время расчетов при оптимизации советников...