Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 515
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
Los precios no se introducen en el modelo sin algún tipo de conversión.
El andamio para la extrapolación toma el valor conocido más cercano. Neuronc o regla en la extrapolación calculará algo según las fórmulas internas. Pero en realidad todos estos modelos en esta situación se fusionarán, por lo que no hay ninguna diferencia.Lo hacen sin ninguna conversión, pero esa no es la cuestión.
La diferencia es enorme en la aplicación técnica de estos o aquellos modelos. Esto no es lo que tiene que ver con el drenaje, de nuevo ese no es el punto.Hacer todo en MT no es conveniente. La mejor opción en mi opinión es Python para el aprendizaje y la experimentación y una DLL con el modelo entrenado cargado para la MT. Python tiene una cosa genial para los experimentos Jupiter notebook. Además de la ejecución de código interactivo en él se pueden guardar notas, lo que resulta práctico para anotar las ideas sobre un tema. Así que hay que elegir una biblioteca que pueda funcionar en Python y C++. Python es fácil de aprender.
Hacer todo en MT no es conveniente. La mejor opción en mi opinión es Python para el aprendizaje y la experimentación y una DLL con el modelo entrenado cargado para la MT. Python tiene una cosa genial para los experimentos Jupiter notebook. Además de la ejecución interactiva del código, en él se pueden tomar notas, lo que resulta muy útil para anotar las ideas sobre un tema. Así que hay que elegir una biblioteca que pueda funcionar en Python y C++. Python es fácil de aprender.
Todo esto le quita importancia, hay que hacer todo en el mismo lugar donde se comercia, sin molestias innecesarias... ahorrando tiempo y nervios. Tienes que hacer todo en el mismo lugar donde estás operando, sin molestias innecesarias, ahorrando tiempo y nervios.
Pero python es genial sin duda, R lo ha hilado - es molestamente lento. Según tengo entendido, los profesionales del aprendizaje de máquinas se sientan en python, mientras que R es tan aficionado al análisis estadístico y a los estudiantes para enseñar. Pero, de nuevo, todo es una tontería, cuando se puede conectar directamente.
R es, desde el punto de vista del programador, un lenguaje extraño y diferente a cualquier otro. Sí, para el aprendizaje automático, Python es el estándar.
R es, desde el punto de vista del programador, un lenguaje extraño y diferente a cualquier otro. Sí, Python es el estándar para el aprendizaje automático.
Ustedes son raros. Para uno de ellos, "R, desde el punto de vista del programador, es un lenguaje extraño y diferente a cualquier otro". ¿De qué programadores estás hablando? El otrodice "He probado R - es irritante porque es lento" - ¿puede ser que lo hayas probado en un lugar o de una manera equivocada?
Puede que no lo sepas, pero todos los módulos de Python están disponibles en R, y por lo tanto en MT. Además, todos los últimos gigantes del desarrollo TensorFlow (Googl), CNTK (Microsoft) y otros ofrecen instantáneamente una API en R y por lo tanto en MT. Lo he subrayado dos veces: hoy es posible utilizar toda la riqueza de los desarrollos de aprendizaje automático en el terminal a través de R. Se necesita una comprensión de lo que se quiere hacer, conocimientos y habilidad. Si quieres hacerlo, hazlo.
El hilo se ha convertido en una verborrea inútil. Desgraciadamente.
Buena suerte
Ustedes son extraños. Para uno de ellos, "R es, desde el punto de vista del programador, un lenguaje extraño que no se parece a ningún otro". ¿De qué programadores estás hablando? Otrodice "Probé la R y fue muy lenta" - ¿quizás estabas tratando de torcerla en un lugar equivocado o con una herramienta equivocada?
El hilo se ha convertido en una verborrea inútil. Desgraciadamente.
Buena suerte
La lentitud de R en sí misma, no me refiero a los paquetes. Funciona más lento que python y más lento que MT5. O es conchas lentas como RStudio, ni siquiera mueve las ventanas suavemente, lo que dice que es incluso lento en sí mismo. Por no hablar de que VS 2017 en conjunto con Ropen, se cuelga constantemente, incompatibilidad de paquetes, etc. Me da miedo imaginar lo que ocurrirá si también se utiliza un paquete para trabajar con python. Muchos paquetes para R están escritos por Dios sabe quién y pueden contener errores, no hay estándares unificados.
Sólo hay unos pocos paquetes de redes neuronales buenos que describiste en tu último artículo, y que funcionan bien sin R. Todo lo demás que hay sobre el preprocesamiento y demás para el forex son más juegos mentales que el uso efectivo de las ventajas del lenguaje. Pues sí, las imágenes pueden evaluarse a ojo, pero en la mayoría de las situaciones basta con realizar evaluaciones numéricas de todos los modelos. IMHO :)
La propia R lenta, no estoy hablando de paquetes. Funciona más lento que python y más lento que MT5.
No es más lento que MT5... Ya di una comparación antes:
ALGLIB es un terrible freno para el aprendizaje.
Sirvió una red de 240-50-1 en ALGLIB, - esperó 2 días, no esperó y lo apagó.
Enseñó la red 70-5-1 en media hora. Entrenado nnet desde R en menos de un minuto con los mismos datos.
No es más lento que MT5... Ya di una comparación antes:
Has dado una comparación con otro NS - ya no es R sino un paquete que está escrito en pros y por supuesto es rápido. Para una red grande se necesita el optimizador LBFGS, tal vez lo hayas utilizado. Los bosques son muy rápidos en alglib, por ejemplo, me gusta... y la calidad de los modelos nunca es peor que en MLP. El refuerzo es ciertamente inferior, pero no demasiado crítico por lo que he podido ver en los artículos de internet. Es decir, esencialmente hay 1 modelo universal que es el andamiaje de los árboles, además es rápido. Todo lo demás, que alguna otra neurona pueda hacer algo mejor, aún no se ha demostrado en la práctica (en relación con el forex).
El multithreading no está en R sino en los paquetes de redes neuronales, conéctate a mt5 también y será un multithreading
Has hecho una comparación con otro NS - no es R sino un paquete escrito en pros y por supuesto es rápido. El Alglib no tiene multithreading en la versión gratuita, + para una red grande se necesita el optimizador LBFGS, tal vez lo hayas usado. El bosque es bonito y rápido en Alglib, por ejemplo, me gusta... La calidad de los modelos nunca es peor que en MLP.
Parece el mismo MLP, así que la red es la misma en estructura y cantidad de datos. Ese paquete no usaba multithreading, sólo leía todo con un hilo (lo comprobé con el administrador de tareas).
He comparado las velocidades de LBFGS (unos 40 minutos) y LM (27 minutos). Según las descripciones, LBFGS debe ser más rápido, pero en la práctica es viceversa en ALGLIB.
Comprobado y andamiaje - mucho más rápido que NS (4 min.), y el resultado es casi el mismo. Y lo que es interesante la regresión lineal cuenta aún más rápido, con los mismos resultados.
Como alguien escribió aquí, todo es cuestión de características.
Parece ser el mismo MLP, por lo que la red es la misma en estructura y cantidad de datos. Ese paquete no usaba multithreading - leía todo en un solo hilo (lo comprobé en el administrador de tareas).
He comparado las velocidades de LBFGS (unos 40 minutos) y LM (27 minutos). Según las descripciones, LBFGS debería ser más rápido, pero en la práctica ALGLIB es lo contrario.
Por lo que tengo entendido, ahí se pueden poner 1-2 épocas, ya que casi siempre converge a la primera... quizá haya sido un descuido... aunque hace tiempo que no lo uso, puedo estar confundido.