Discusión sobre el artículo "Desarrollo de un robot en Python y MQL5 (Parte 2): Selección, creación y entrenamiento de modelos, simulador personalizado en Python"

Nuevo comentario
 

Artículo publicado Desarrollo de un robot en Python y MQL5 (Parte 2): Selección, creación y entrenamiento de modelos, simulador personalizado en Python:

Hoy vamos a continuar con la serie de artículos sobre la creación de un robot comercial en Python y MQL5. En el presente artículo, resolveremos el problema de la selección y el entrenamiento de modelos, la prueba de los mismos, la aplicación de la validación cruzada, la búsqueda en cuadrícula y el problema del ensamblaje de modelos.

En elartículoanterior hablamos un poco sobre el aprendizaje automático, realizamos un aumento de los datos, desarrollamos características para el futuro modelo y seleccionamos las mejores. Ahora es el momento de seguir adelante y crear un modelo de aprendizaje automático ya operativo, que aprenda de nuestras señales y comercie (esperemos que con éxito). Y para evaluar el modelo, escribiremos un simulador de Python personalizado que nos ayudará a evaluar el rendimiento del modelo y la belleza de los gráficos de prueba. Para que los gráficos de prueba resulten más bonitos y el modelo más robusto, también desarrollaremos una serie de trucos clásicos del aprendizaje automático.

Nuestro objetivo final será crear un modelo que funcione y sea lo más rentable posible para la previsión de precios y el trading. El código completo estará en Python, con la inclusión de la biblioteca MQL5. 

Autor: Yevgeniy Koshtenko

[Eliminado]  

Buen artículo. Me gusta que todo se haga a la manera "clásica" de MO, sin ninguna sutileza.

Todavía no me he dado cuenta, echando un vistazo rápido, de qué conjunto de modelos se están construyendo. ¿Se entrenaron con los mismos datos o con datos diferentes?

Lo averiguaré más tarde y lo añadiré.

 
¡Impresionante artículo! ¡Muchas gracias al autor por su trabajo! Esta serie se convierte en el principal para mí para familiarizarse con python))) No tenía mucho interés antes, todos los pros y mcool))
 
Maxim Dmitrievsky #:

Buen artículo. Me gusta que se haga a la manera "clásica" de MdD, sin sutilezas.

En un vistazo rápido, no me he dado cuenta de qué conjunto de modelos se están construyendo. ¿Se han entrenado con los mismos datos o con datos diferentes?

Lo averiguaré más tarde y lo añadiré.

Muchas gracias. El conjunto está entrenado con los mismos datos)

 
Aleksandr Seredin #:
¡Impresionante artículo! ¡Muchas gracias al autor por su trabajo! Esta serie se convierte en el principal para mí para familiarizarse con python))) No tenía mucho interés antes, todos los pros y mcool)))

¡Gracias! ¡Gracias!

 
Qué desperdicio de resaltado de sintaxis de Python en los artículos(
 
Gracias por el artículo. Lo he leído con interés. También estoy planeando aprovechar el aprendizaje de diferentes modelos de Python en el futuro, y aquí es en realidad una receta ya hecha que da una buena base para empezar.
 
Yuriy Bykov #:
Gracias por el artículo. Lo he leído con interés. También estoy planeando aprovechar el aprendizaje de diferentes modelos de Python en el futuro, y aquí es realmente una receta lista que da una buena base para empezar.
¡Muchas gracias, Yuri!
 
Yuriy Bykov #:
Gracias por el artículo. Lo he leído con interés. También estoy planeando aprovechar el aprendizaje de diferentes modelos de Python en el futuro, y esto es realmente una receta lista que da una buena base para empezar.
Yo también leo tus artículos con mucho gusto. En el futuro planeo hacer una versión multidivisa de mi algoritmo, ¡así que el tema de tus artículos es muy interesante y útil!
 

Gracias al artículo anterior, me fui a aprender python.

No he tenido tiempo para avanzar mucho en la comprensión de python, y aquí está el segundo artículo, y también es interesante.

Y yo soy como en la fábula - el zorro y las uvas))))

 
¡Buena motivación cuando hay resultados!
Y, como me he dado cuenta, no es una semana por delante, ni un mes, sino un año normal de trabajo
12
Nuevo comentario