Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 38

Nuevo comentario
 
Yury Reshetov:

A juzgar por el hecho de que el Dr.Trader ya fracasó al intentar portar la antigua versión de libVMR a R y le faltó memoria para una máquina nuclear grande, así como todo el rendimiento para una pequeña (redujo el número de ciclos en 100 veces), es poco probable que haya gente dispuesta a pisar el mismo rastrillo?


Por lo tanto, es mejor no decir una palabra sobre la portación de tales tareas a R, ya que esta chatarra no está a la altura.

Sólo un conocimiento muy superficial de R permitiría hablar de "regañinas".

Claro, ponemos R y vemos un intérprete de cadenas de caracteres. Si se profundiza, se puede ver el bytecode, pero no resuelve ninguno de los problemas del intérprete en cuanto a eficiencia. Ni siquiera hay nada que discutir - regaña.

Pero si se profundiza un poco en los paquetes de R, se ve rápidamente que lo que se ve en el código de R se refiere a otro código. Y si te pones a investigar, verás que para los algoritmos computacionalmente intensivos R siempre utiliza paquetes de terceros, que fueron elegidos por el principio de máxima eficiencia. Suelen ser bibliotecas C o Fortran.

O, por ejemplo, las operaciones matriciales. Teniendo en cuenta que R no tiene noción de escalar y que todo comienza con vectores y que la aritmética matricial es completamente natural para R, la cuestión de utilizar una biblioteca apropiada que NO esté escrita en R es una cuestión de principios. Se utiliza la librería Intel Math Kernel.

Además, la paralización de los cálculos no sólo en todos los núcleos del propio ordenador, sino también en los ordenadores vecinos, es una operación habitual en R.

Por lo tanto, lo que es "regañar" y lo que no es una gran pregunta.

PS.

No tienes que portar nada a R, sólo tienes que aprender las matemáticas. R tiene todo lo que necesitas y mucho más.

 
¿se paga por los puestos? :)
 
mytarmailS:

pregunta: ¿cómo puedo dar a las nuevas columnas el nombre "a_minus_b"? , "a_minus_c"

a <- 1:5
b <- 6:10
c <- 11:15
d <- 16:20
dt <- data.frame(a,b,c,d)

res.dt <- data.frame(matrix(nrow=nrow(dt), ncol=0))

for(i in 1:(ncol(dt)-1)){
        for(j in (i+1):ncol(dt)){
                colname <- paste0(colnames(dt)[i], "_minus_", colnames(dt)[j])
                res.dt[, colname] <- dt[, i] - dt[,j]
        }
}
res.dt

Los puestos serán pagados por el propio forex :) Si lees las 38 páginas y lo pruebas en la práctica y combinas todos los conocimientos, entonces creo que puedes hacer un EA que funcione.

 
SanSanych Fomenko:
Podrías refutar PROPIAMENTE el contenido del artículo que he enlazado. En este punto elDr.Trader: ha intentado utilizar este material. Para usarlo de forma muy específica. El resultado es negativo. ¿Tal vez usted también pueda dar su opinión sobre el tema?

Pido disculpas por haberme salido del tema.
SanSanych, ¿en qué idioma estás pensando?
Tu post parece un traductor de Google. Respete el idioma ruso, por favor.

P.D. si quieres que te entiendan...

 
Evento:

Pido disculpas por haberme salido del tema.
SanSanych, ¿en qué idioma estás pensando?
Tu post parece un traductor de Google. Respete el idioma ruso, por favor.

P.D. si quieres que te entiendan...

Llevo toda la vida diciendo eso... Eres el primero...

Si no entiendes algo, estoy dispuesto a explicarlo.

 
SanSanych Fomenko:

Llevo toda la vida diciendo eso... Eres el primero...

Si no lo entiendes, estoy dispuesto a explicarlo.

No tienes que dar explicaciones. Alguien debe ser el primero))

 
Dr.Trader:

El propio forex nos pagará por nuestros puestos :) Todo el mundo sabe y conoce algo diferente, y si lees las 38 páginas y lo pruebas en la práctica, y combinas todos los conocimientos, creo que puedes hacer un EA que funcione.

Muchas gracias.

Bp. esta bonita idea de un doble bucle necesita más trabajo)

 

Hice una descripción para el clasificador binario jPrediction, publiqué el código fuente.

Índice de contenidos:

  1. Características principales.
  2. Ejecución de jPrediction
  3. Cómo crear un modelo matemático de un clasificador binario en jPrediction
  4. Guardar el modelo en un archivo
  5. Reducción: eliminación de las características no informativas del modelo
  6. Cargar y utilizar el modelo para la clasificación de objetos
  7. Anexo
    1. Muestras adicionales para la clasificación binaria
    2. Formato de archivo CSV para jPrediction

Texto completo en el archivo adjunto (formato PDF)

jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
jPrediction - бинарный классификатор для машинного обучения | Reshetov & Co
  • yury-reshetov.com
Основные характеристики Запуск jPrediction Как создать математическую модель бинарного классификатора в jPrediction Сохранение модели в файл Редукция - удаление неинформативных признаков из модели Загрузка и использование модели для классификации объектов Приложение Дополнительные выборки для бинарной классификации Формат CSV файлов для...
Archivos adjuntos:
Reshetov_150.zip  2217 kb
 
Yury Reshetov:

Hice una descripción para el clasificador binario jPrediction, publiqué el código fuente.


Hola Yuri, ¡gracias por tu duro trabajo!

1) ¿Puede explicar con más detalle lo que significa

  • La sensibilidad es la sensibilidad del modelo en porcentajes.
  • Especificidad: la especificidad del modelo en porcentaje

2) Si tengo un ordenador débil, ¿cuánto tiempo tardará el modelo en aprender el modelo sobre una muestra de 300 predictores y 100.000 observaciones?

(Estaría bien sustituir la inscripción "por favor, espere" por el cálculo del progreso de la formación en % o algo así, para no esperar 100 años hasta la finalización)

3) ¿Y la "R"?

 
mytarmailS:

¡Hola Yuri! ¡Gracias por tu duro trabajo!

1) ¿Puede explicar con más detalle lo que significa

  • Sensibilidad - es la sensibilidad del modelo en porcentaje
  • Especificidad: la especificidad del modelo en porcentaje

Sensibilidad de la capacidad de generalización - predicción correcta de resultados positivos en la muestra de prueba: 100% * TP / (TP + FP)

Especificidad de la capacidad de generalización - predicción correcta de resultados negativos en la muestra de prueba: 100% * TN / (TN + FN)

donde:

TP - número de resultados positivos verdaderos

TN - número de verdaderos negativos

FP - número de falsos positivos

FN - número de falsos negativos

mytarmailS:

2) Si tengo un ordenador poco potente, ¿cuánto tiempo se tarda en entrenar el modelo con una muestra de 300 predictores y 100 000 observaciones?

3) ¿Y qué pasa con la "R"? ¿No es así?

No aprenderá en absoluto, pero dará un mensaje de error si el número de predictores en la muestra supera las 10 unidades.

mytarmailS:

3) ¿Qué pasa con la "R"?


Si estás tan desesperado, instala el paquete gJava. Llamada a código Java desde R

Calling Java code from R
Calling Java code from R
  • 2011.01.01
  • View all posts by darrenjw
  • darrenjw.wordpress.com
In the previous post I looked at some simple methods for calling C code from R using a simple Gibbs sampler as the motivating example. In this post we will look again at the same Gibbs sampler, but now implemented in Java, and look at a couple of options for calling that code from an R session. Stand-alone Java code Below is some Java code for...
1...313233343536373839404142434445...3399
Nuevo comentario
Razón de la queja: