Discusión sobre el artículo "Metamodelos en el aprendizaje automático y el trading: Timing original de las órdenes comerciales" - página 11
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
Probablemente quería decir que los atributos y las etiquetas se construyen a través de funciones, por lo que de forma automática.
Probablemente.
Cuando se aplica sobre nuevos datos, se utiliza el modelo ya entrenado, no es necesario borrar nada.
Y al inicializar el inicio del entrenamiento, ¿por qué borrarlo? No me aferro a las palabras, simplemente no entiendo - marcamos una vez al principio, y luego marcamos de nuevo inmediatamente..... No entiendo este punto.
Si quieres lo mismo - haz que la duración mínima y máxima del comercio sea la misma, min=max
Nah, yo sólo quiero probar mi muestreo, y para ello tengo que entender lo que hay que quitar allí.
Probablemente.
Y al inicializar el inicio del entrenamiento, ¿por qué borrarlo? No me aferro a las palabras, simplemente no entiendo - hicimos marcado una vez al principio, y luego hacemos marcado de nuevo a la derecha de distancia.... No entiendo este punto.
No, sólo quiero probar mi muestreo, y para ello necesito entender qué hay que quitar ahí.
H.y. si hay interés, puedo lanzar otras variantes de realizaciones más "claras" y sencillas. Porque ésta es un poco difícil de entender. Aquí hay muchas suposiciones, te puedes confundir.
H.y. si hay interés, puedo lanzar otras variantes de realizaciones más "claras" y sencillas. Porque esta es un poco difícil de entender. Hay muchas suposiciones aquí, te puedes confundir.
Estoy interesado en cualquier ejemplo de código con poca descripción, porque no entiendo muy bien el código python todavía.
Me interesa cualquier ejemplo de código con poca descripción, porque aún no entiendo muy bien el código python.
Python es muy sencillo. Literalmente un par de libros "Python for Complex Problems" - cubre el uso de paquetes básicos como numpy, pandas, sklearn. Y Mark Lutz - Learning Python, Volume 1. El 2do es sobre clases, no necesitas mucho.
Gracias por la recomendación. Python puede ser fácil, pero mi memoria se ha vuelto mala - por lo que es difícil aprender cosas nuevas.
¿La columna "cerrar" después de crear una muestra con dos objetivos involucrados en otro lugar, o se puede llenar con ceros?
En general, tengo datos en este formato en un archivo csv
En consecuencia, hago que se vean como se describe en el artículo a través de este código
# Загрузите данные из файлов Load_train_data = pd.read_csv('E:\\FX\\MT5_CB\\MQL5\\Files\\Catboost_Tester_M02_104_SMO\\Setup\\train.csv',sep=';') # Сохранили предикторы train_data = Load_train_data.loc[:, :'iVolumes_B0_S15_D1'] # Сохранили значения целевой train_labels = Load_train_data['Target_100'] # Преобразование столбца 'Time' в формат datetime Load_train_data['Time'] = pd.to_datetime(Load_train_data['Time'], format='%Y.%m.%d %H:%M:%S') # Преобразование обратно в строку с нужным форматом #Load_train_data['Time'] = Load_train_data['Time'].dt.strftime('%Y-%m-%d %H:%M:%S') # Сохранили значение столбца train_taime = Load_train_data['Time'] # Вывод результата print(train_taime) # Создали новый DataFrame объединением столбцов combined_data = pd.concat([train_taime, train_data, train_labels], axis=1) # Добавили новый столбец "close" после "train_taime" со значениями "1.1" combined_data.insert(combined_data.columns.get_loc('Time') + 1, 'close', 1.1) # Переименовали столбец "Target_100" в "labels" combined_data.rename(columns={'Target_100': 'labels'}, inplace=True) # Добавили столбец с данными из train_labels combined_data['meta_labels'] = train_labels pr = combined_data # Вывод результата print(combined_data)Imprime así
A continuación, comento las funciones en su ejercicio
Obtengo un error
Traceback (most recent call last): File "F:/FX/Python/meta_modeling_Viborka.py", line 386, in <module> res.append(brute_force(pr[pr.columns[1:]], bad_samples_fraction=0.5)) File "F:/FX/Python/meta_modeling_Viborka.py", line 128, in brute_force X = X[X.index >= START_DATE] File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\common.py", line 81, in new_method return method(self, other) File "C:\Program Files\Python38\lib\site-packages\pandas\core\arraylike.py", line 60, in __ge__ return self._cmp_method(other, operator.ge) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\range.py", line 964, in _cmp_method return super()._cmp_method(other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\base.py", line 6783, in _cmp_method result = ops.comparison_op(self._values, other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 296, in comparison_op res_values = _na_arithmetic_op(lvalues, rvalues, op, is_cmp=True) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 171, in _na_arithmetic_op result = func(left, right) File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 239, in evaluate return _evaluate(op, op_str, a, b) # type: ignore[misc] File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 70, in _evaluate_standard return op(a, b) TypeError: '>=' not supported between instances of 'int' and 'datetime.datetime' >>>Quiero probarlo, pero no puedo :(
TypeError: '>=' no soportado entre instancias de 'int' y 'datetime.datetime'
Lo primero que he notado es que tienes los índices del dataframe mal, debería ser datetime, es decir, la columna time debería estar indexada
Lo primero que he notado es que tienes los índices del dataframe mal, debería ser datetime, es decir, la columna time debería estar indexada
¿Y cómo se puede comparar un valor idex (0,1,2) con una fecha de calendario?