Hay un problema en que las clases originales son de tipo factorial, y el resultado en la matriz se convierte en los correspondientes números ordinales del factor. Así que al final la comparación pasa por as.numberic().
Para que todo funcione correctamente con los factores, necesitamos crear predictionMatrix como data.frame, pero después de eso mi función rbind dio varnings, necesito cambiar algo más, no entendí que está mal ahí.
Bueno y para seguir con el tema, la señal que había antes resultó ser bastante rentable. Sin embargo, no hay muchos beneficios, pero la última compra en la secuencial, punto azul, la red reconoció como "no sé", lo que sugiere que puede ser rentable, pero puede que no, al menos los dos modelos han divergido. Así que no hacemos nada y seguimos vigilando los volúmenes....
Tengo una rendición en la CU, como puedes ver.... Sólo fue por las vitaminas, así que no se arriesgó, convirtió a CU, pero como dicen, si pones CU, obtienes CU. La ley funciona...
Bueno y para seguir con el tema, la señal que había antes resultó ser bastante rentable. Sin embargo, no hay muchos beneficios, pero la última compra en la secuencial, punto azul, la red reconoció como "no sé", lo que sugiere que puede ser rentable, pero puede que no, al menos los dos modelos han divergido. Así que no hacemos nada y seguimos vigilando los volúmenes....
Tengo una rendición en la BU, como puedes ver.... Sólo fue por las vitaminas, así que no se arriesgó, convirtió a CU, pero como dicen, si pones CU, obtienes CU. La ley funciona...
Hay un problema en que las clases originales son de tipo factorial, y el resultado en la matriz se convierte en los correspondientes números ordinales del factor. Así que al final la comparación pasa por as.numberic().
Necesito crear predictionMatrix como data.frame para que funcione correctamente con los factores, pero después de eso mi función rbind dio varnings, necesito cambiar algo más, no he averiguado qué es lo que está mal ahí.
Dime... Si pasas estos datos por tu máquina de aprendizaje... ¿Qué puede averiguar?
#
SL
stop de arrastre
subir
1
-40
-5
0
2
-9
-
0
3
-23
70
91
4
-26
-14
21
5
-42
-
0
6
-43
-8
5
7
-11
12
65
8
-64
-12
0
9
-14
99
126
10
-32
-
10
# - número de operación, SL - tamaño de stop loss, trailing stop - trailing stop, rojo - cierre con pérdida, verde - cierre con beneficio, guión - cierre con stop loss,
subida - cantidad de movimiento que podría tomarse, 0 - ningún movimiento (posible beneficio que podría tomarse en esta operación). Todo se especifica en pips ...
Quiero saber cómo se relacionan estas variables (si hay una tendencia), si hay una correlación entre ellas.
Cuánto de la reducción afecta al movimiento futuro (recuperación)
Necesito indicadores que revelen-predigan al máximo la tendencia futura.
1) podemos construir una matriz de correlación
2) probablemente se necesite construir una relación entre la reducción y el movimiento futuro
3) construir un modelo que prediga la tendencia y observar la importancia de las variables en él
p.d. no me pidas que lo haga por ti... a juzgar por la vaguedad de tus preguntas, estás poco familiarizado con el aprendizaje automático. así que te recomiendo que busques en google y aprendas alguno de los programas que citaste anteriormente, o que te dediques a la programación
Para iniciar sesión y usar el sitio web MQL5.com es necesario permitir el uso de Сookies.
Por favor, active este ajuste en su navegador, de lo contrario, no podrá iniciar sesión.
Ha iniciado sesión. La autenticación de dos factores se ha desactivado. Vuelva a configurarla y escanee un nuevo código QR, o continúe con la autenticación de dos factores desactivada.
Yo lo hago manualmente, sólo creo modelos en bucle.
Crear un comité, y hacer pruebas:
Hay un problema en que las clases originales son de tipo factorial, y el resultado en la matriz se convierte en los correspondientes números ordinales del factor. Así que al final la comparación pasa por as.numberic().
Para que todo funcione correctamente con los factores, necesitamos crear predictionMatrix como data.frame, pero después de eso mi función rbind dio varnings, necesito cambiar algo más, no entendí que está mal ahí.
Crear un comité y hacer pruebas:
gracias
Bueno y para seguir con el tema, la señal que había antes resultó ser bastante rentable. Sin embargo, no hay muchos beneficios, pero la última compra en la secuencial, punto azul, la red reconoció como "no sé", lo que sugiere que puede ser rentable, pero puede que no, al menos los dos modelos han divergido. Así que no hacemos nada y seguimos vigilando los volúmenes....
Tengo una rendición en la CU, como puedes ver.... Sólo fue por las vitaminas, así que no se arriesgó, convirtió a CU, pero como dicen, si pones CU, obtienes CU. La ley funciona...
Bueno y para seguir con el tema, la señal que había antes resultó ser bastante rentable. Sin embargo, no hay muchos beneficios, pero la última compra en la secuencial, punto azul, la red reconoció como "no sé", lo que sugiere que puede ser rentable, pero puede que no, al menos los dos modelos han divergido. Así que no hacemos nada y seguimos vigilando los volúmenes....
Tengo una rendición en la BU, como puedes ver.... Sólo fue por las vitaminas, así que no se arriesgó, convirtió a CU, pero como dicen, si pones CU, obtienes CU. La ley funciona...
¿y cómo funcionó el algoritmo de negociación el viernes?
Crear un comité, y hacer pruebas:
Hay un problema en que las clases originales son de tipo factorial, y el resultado en la matriz se convierte en los correspondientes números ordinales del factor. Así que al final la comparación pasa por as.numberic().
Necesito crear predictionMatrix como data.frame para que funcione correctamente con los factores, pero después de eso mi función rbind dio varnings, necesito cambiar algo más, no he averiguado qué es lo que está mal ahí.
Dime... Si pasas estos datos por tu máquina de aprendizaje... ¿Qué puede averiguar?
# - número de operación, SL - tamaño de stop loss, trailing stop - trailing stop, rojo - cierre con pérdida, verde - cierre con beneficio, guión - cierre con stop loss,
subida - cantidad de movimiento que podría tomarse, 0 - ningún movimiento (posible beneficio que podría tomarse en esta operación). Todo se especifica en pips ...
No hayganancias.
Si alguien sabe si para ejecutar estas tres variables-curvas a través de MatLab o Statistica - ¿qué datos es posible recibir?
Dime... Si pasas estos datos por tu máquina de aprendizaje... ¿Qué puede averiguar?
¿qué tipo de datos se pueden obtener?
la pregunta no es correcta, la pregunta es ¿qué quieres obtener de los datos?
¿la respuesta a su pregunta es nada?
la pregunta no está formulada correctamente, la pregunta es ¿qué quieres obtener de los datos?
¿la respuesta a su pregunta es nada?
1) podemos construir una matriz de correlación
2) probablemente se necesite construir una relación entre la reducción y el movimiento futuro
3) construir un modelo que prediga la tendencia y observar la importancia de las variables en él
p.d. no me pidas que lo haga por ti... a juzgar por la vaguedad de tus preguntas, estás poco familiarizado con el aprendizaje automático. así que te recomiendo que busques en google y aprendas alguno de los programas que citaste anteriormente, o que te dediques a la programación