Discusión sobre el artículo "Aprendizaje de máquinas de Yándex (CatBoost) sin estudiar Python y R" - página 6
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
¿Tal vez probar los ajustes del artículo?
Parece que tuve que ajustar el capital de 10k USD a 200k USD por lo que ahora tengo al menos mejores resultados: Puntuación de 24 para 15k operaciones con 0.89 PF
En mi código establecer el tamaño de lote igual a uno. Considera el código como una plantilla para experimentar con CatBoost.
En mi código establece el tamaño del lote igual a uno. Usted considera el código como una plantilla para experimentar con CatBoost.
gracias, ahora se ve mejor, pero a partir de 40 semillas todavía no había más de 0,5. Intento hacer más semillas. ¿Es diferente si va de 1 a 100 en 1 o de 1 a 10000 con un paso de 100?
Haz la cuantización y sólo entonces aplica la semilla. Cada semilla es diferente.
Haz la cuantización, y sólo entonces aplica la semilla. Cada semilla es diferente.
Gracias, no estoy seguro de entenderte del todo. La cuantización y la siembra se preparan en un solo paso al configurarlo en el script CB_bat, ¿verdad?
De todas formas durante la noche se generaron unas 200-300 semillas con mejores resultados, también se generaron archivos mqh. Cuando hice el backtesting durante el periodo de entrenamiento la curva de equidad subió muy bien, pero cuando lo probé durante el periodo de pruebas y exámenes, raramente se tomaron operaciones. Ma período fue de 96 por lo que ahora empecé de nuevo desde el principio. Cambie a DJI30 (para variar) use el periodo 8 y M2 y optimice el precio y el tipo de MA solamente. De esta manera se generan mucho más de 15k operaciones (incluso reduje la longitud del período ya que el archivo XXXCB_Save_pred.csv es de alrededor de 1.3Gb y 1 ciclo de entrenamiento es de 13 minutos. He establecido el parámetro de semilla de 1 a 10000 con un paso de 100 que da alrededor de 100 modelo. Espero que haya algún resultado después de esto.
Gracias, no estoy seguro de haberte entendido bien. La cuantización y la siembra se preparan en un solo paso al configurarlo en el script CB_bat, ¿verdad?
De todas formas durante la noche se generaron unas 200-300 semillas con mejores resultados, también se generaron archivos mqh. Cuando hice el backtesting durante el periodo de entrenamiento la curva de equidad subió muy bien, pero cuando lo probé durante el periodo de pruebas y exámenes, raramente se tomaron operaciones. Ma período fue de 96 por lo que ahora empecé de nuevo desde el principio. Cambie a DJI30 (para variar) use el periodo 8 y M2 y optimice el precio y el tipo de MA solamente. De esta manera se generan mucho más de 15k operaciones (incluso reduje la longitud del período ya que el archivo XXXCB_Save_pred.csv es de alrededor de 1.3Gb y 1 ciclo de entrenamiento es de 13 minutos. He establecido el parámetro de semilla de 1 a 10000 con un paso de 100 que da alrededor de 100 modelo. Espero que haya algún resultado después de esto.
Te recomiendo que primero encuentres la mejor forma de cuantificar pasando por las diferentes opciones, y luego pases por la semilla. Idealmente, usted debe buscar sus propios ajustes de cuantización para cada predictor, y luego combinar los resultados. Quizás escriba sobre esto en el próximo artículo.
Adjunto el código de EA y el script que organiza toda la infraestructura - era importante para mí que lo que estaba describiendo pudiera ser reproducido - así que prueba e informa de errores, sugiere mejoras - estoy abierto a aportaciones generales sobre esto.
Gracias por este útil artículo.
¿Es posible aprovechar la GPU para entrenar el modelo?
En un enfoque "frontal", al añadir la opción "--task-type GPU" a _01_Train_All se produce un error: Error: change of option sampling_frequency is unimplemented for task type GPU and was not default in previous run
Gracias por este artículo tan útil.
¿Es posible utilizar la GPU para entrenar el modelo?
Al añadir la opción "--task-type GPU" a _01_Train_All, se produce el siguiente error: Error: change of option sampling_frequency is unimplemented for task type GPU and was not default in previous run
Por desgracia, no tengo una tarjeta Nvidia, así que es difícil averiguar la causa. Empieza por eliminar las claves en la medida de lo posible, no todas las características implementadas en la CPU son compatibles con la GPU.
Desafortunadamente no tengo una tarjeta de Nvidia, así que es difícil averiguar la causa. Empieza por eliminar las teclas en la medida de lo posible, no todas las funciones implementadas en la CPU son compatibles con la GPU.
Alexey, buenas tardes.
Muchas gracias por el artículo.
¿Podrías decirme si es posible enseñar a la IA adjunta al artículo a calcular y dibujar un zigzag?
Muchas gracias por su respuesta.
Alexei, buenas tardes.
Muchas gracias por el artículo.
¿Podría decirme si es posible enseñar a la IA adjunta al artículo a calcular y dibujar un zigzag?
Muchas gracias por su respuesta.
Hola.
Si hablamos de sustituir un indicador, es posible entrenarlo, pero si hablamos de predecir extremos, es mucho más difícil, pero el algoritmo CatBoost te permite hacerlo, si hay predictores correspondientes.