Discussione sull’articolo "Reti neurali di terza generazione: Reti profonde" - pagina 12

 
kimkarus:

Vladimir Perervenko

Aggiungere all'articolo ulteriori informazioni sul lavoro con R Studio

  • Per far sì che tutto venga eseguito correttamente, è necessario assicurarsi che non ci siano altri riferimenti a "localhost" nel file hosts.

Buon pomeriggio.

Non capisco il file hosts. Può fornire maggiori dettagli?

Buona fortuna

 
kimkarus:

Vladimir Perervenko

Aggiungere all'articolo ulteriori informazioni sul lavoro con R Studio

  • Per eseguire tutto correttamente è necessario assicurarsi che non ci siano altri riferimenti a "localhost" nel file hosts.
  • Assicuratevi di installare tutti i pacchetti e di eseguirli con il comando (nell'area di lavoro di R):

install.packages("R.matlab")
install.packages("deepnet")
installare.pacchetti("caret")
installare.pacchetti("h2o")
installare.pacchetti("TTR")
installare.pacchetti("rminer")
pacchetti install.package("foreach")
pacchetti install.package("doParallel")
pacchetti install.package("svSocket")
installare.pacchetti("lattice")
installare.pacchetti("ggplot2")
installare.pacchetti("statmod")
installare.pacchetti("kknn")
installare.pacchetti("iteratori")
installare.pacchetti("parallel")

libreria("R.matlab")
libreria("deepnet")
libreria("caret")
libreria("h2o")
libreria("TTR")
libreria("rminer")
libreria("foreach")
libreria("doParallel")
libreria("svSocket")
libreria("lattice")
libreria("ggplot2")
libreria("statmod")
libreria("kknn")
libreria("iteratori")
libreria("parallel")

Uso un'altra forma di record per controllare i pacchetti installati:

packets <- Hmisc::Cs(R.matlab, deepnet, caret, h2o, TTR, rminer, foreach, doParallel, 
                        svSocket, lattice, ggplot2, statmod, kknn, iterators, parallel)
for(i in 1:length(packets)) {
  if (! (packets[i] %in% rownames(installed.packages()))) { 
    install.packages(packets[i]) }
}

Le librerie devono essere caricate nella descrizione delle funzioni che le utilizzano. Anche se è possibile farlo in questo modo quando si inizializza l'Expert Advisor.

Allora perché è necessario eseguire l'Expert Advisor nel tester?

Buona fortuna

 

Durante il debug degli script R per molto tempo, ho identificato un bug che è difficile da cogliere se i dati in arrivo hanno NA. Semplicemente non si innesca il segnale. Nel file "e_SAE_init.r", si raccomanda di aggiungere un termine di pulizia NA alla funzione Test(dt,x) prima che new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x);

Sembra una "stampella", ma non ho ancora pensato a nulla di meglio.

Senza di essa, si verificherà un errore nascosto:

Errore in if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : valore mancante dove è necessario VERO/FALSO

 
kimkarus:

Durante il debug degli script R per molto tempo, ho identificato un bug che è difficile da cogliere se i dati in arrivo hanno NA. Semplicemente non si innesca il segnale. Nel file "e_SAE_init.r", si raccomanda di aggiungere un termine di pulizia NA alla funzione Test(dt,x) prima che new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x);

Sembra una "stampella", ma non ho ancora pensato a nulla di meglio.

Senza di essa, si verificherà un errore nascosto:

Errore in if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : valore mancante dove è necessario TRUE/FALSE

kimkarus:

Durante il debug degli script R per molto tempo, ho trovato un bug che è difficile da cogliere se i dati in arrivo hanno NA. Semplicemente non si innesca il segnale. Nel file "e_SAE_init.r", si raccomanda di aggiungere un termine di pulizia NA alla funzione Test(dt,x) prima che new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x);

Sembra una "stampella", ma non ho ancora pensato a nulla di meglio.

Senza di essa, si verificherà un errore nascosto:

Errore in if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : valore mancante dove è necessario VERO/FALSO

Questa affermazione non è corretta.

Nella funzione Test(dt, x), x è il dato di ingresso calcolato dalla funzione In(). Osserviamolo nello script "i_SAE_fun.r".

In <- function(p = 16){
        require(TTR)
        adx <- ADX(price, n = p)
        ar <- aroon(price[ ,c('High', 'Low')], n = p)[ ,'oscillator']
        cci <- CCI(price[ ,2:4], n = p)
        chv <- chaikinVolatility(price[ ,2:4], n = p)
        cmo <- CMO(price[ ,'Med'], n = p)
        macd <- MACD(price[ ,'Med'], 12, 26, 9)[ ,'macd']
        osma <- macd - MACD(price[ ,'Med'],12, 26, 9)[ ,'signal']
        rsi <- RSI(price[ ,'Med'], n = p)
        stoh <- stoch(price[ ,2:4], 14, 3, 3)
        smi <- SMI(price[ ,2:4],n = p, nFast = 2, nSlow = 25, nSig = 9)
        vol <- volatility(price[ ,1:4], n = p, calc="yang.zhang", N=96)
        In <- cbind(adx, ar, cci, chv, cmo, macd, osma, rsi, stoh, smi, vol)
        return(In)
}

Si tratta di una serie di indicatori. Calcoliamoli sulla storia del prezzo[] con una lunghezza di 2000 barre.

> x <- In()Caricamento del pacchetto richiesto: TTR Vediamo quali dati abbiamo ottenuto
> summary(x)
      DIp             DIn                DX          
 Min.   :20.24   Min.   :  9.546   Min.   : 0.04605  
 1st Qu.:43.61   1st Qu.: 31.022   1st Qu.:10.28793  
 Median :50.46   Median : 39.297   Median :19.31075  
 Mean   :49.01   Mean   : 41.833   Mean   :21.82957  
 3rd Qu.:55.78   3rd Qu.: 49.441   3rd Qu.:31.18539  
 Max.   :74.50   Max.   :116.050   Max.   :71.84495  
 NA's   :16      NA's   :16        NA's   :16        
      ADX               ar                cci           
 Min.   : 7.038   Min.   :-100.000   Min.   :-364.2786  
 1st Qu.:15.559   1st Qu.: -56.250   1st Qu.: -86.9604  
 Median :20.450   Median : -12.500   Median :  -6.4301  
 Mean   :21.878   Mean   :  -1.147   Mean   :  -0.3145  
 3rd Qu.:27.330   3rd Qu.:  56.250   3rd Qu.:  86.1551  
 Max.   :47.191   Max.   : 100.000   Max.   : 331.4449  
 NA's   :31       NA's   :16         NA's   :15         
      chv                cmo                macd          
 Min.   :-0.63538   Min.   :-88.8628   Min.   :-0.219469  
 1st Qu.:-0.28769   1st Qu.:-29.6125   1st Qu.:-0.030508  
 Median :-0.01415   Median : -0.8713   Median : 0.001847  
 Mean   : 0.12162   Mean   : -1.6646   Mean   : 0.009282  
 3rd Qu.: 0.35276   3rd Qu.: 27.7824   3rd Qu.: 0.037112  
 Max.   : 7.37405   Max.   : 86.9767   Max.   : 0.703234  
 NA's   :31         NA's   :16         NA's   :25         
      osma               rsi             fastK       
 Min.   :-0.10903   Min.   : 8.614   Min.   :0.0000  
 1st Qu.:-0.01063   1st Qu.:41.108   1st Qu.:0.2246  
 Median :-0.00016   Median :50.547   Median :0.4553  
 Mean   :-0.00006   Mean   :49.953   Mean   :0.4793  
 3rd Qu.: 0.01021   3rd Qu.:58.706   3rd Qu.:0.7425  
 Max.   : 0.28849   Max.   :84.854   Max.   :1.0000  
 NA's   :33         NA's   :16       NA's   :13      
     fastD             slowD              SMI         
 Min.   :0.01645   Min.   :0.03279   Min.   :-77.616  
 1st Qu.:0.23056   1st Qu.:0.23618   1st Qu.:-27.662  
 Median :0.45989   Median :0.46420   Median : -2.998  
 Mean   :0.47916   Mean   :0.47922   Mean   : -3.468  
 3rd Qu.:0.72776   3rd Qu.:0.71850   3rd Qu.: 21.330  
 Max.   :0.98610   Max.   :0.96254   Max.   : 73.964  
 NA's   :15        NA's   :17        NA's   :25       
     signal             vol          
 Min.   :-74.526   Min.   :0.001235  
 1st Qu.:-24.781   1st Qu.:0.003168  
 Median : -2.446   Median :0.004686  
 Mean   : -3.358   Mean   :0.005457  
 3rd Qu.: 19.029   3rd Qu.:0.006484  
 Max.   : 71.664   Max.   :0.047742  
 NA's   :33        NA's   :16        
Tutte le variabili hanno NA. Ma si trovano all'inizio!!! Come è normale per tutti gli indicatori. Pertanto, quando scriviamo nello script

 new.data <- predict(prepr, tail(x, 500));

Tagliamo i dati non definiti. Condizione: nrow(x) > 500 + max(NA). Cioè, almeno nel nostro caso, 533. Per sicurezza, mettere nrow(x) = 600-700.

Non capisco come si possa avere un NA incerto in x.

Buona fortuna

 

Ciao Vladimir,

Ecco dal Brasile!!!

Ho letto le tue istruzioni sulla rete neurale usando R ma ho una domanda stupida (scusa, sono un novellino in questo campo!).

Nel tutorial che hai scritto ( https://www.mql5.com/it/articles/1103#ch_3), nella"Sezione 3.3.1 - Source Data" hai descritto una funzione, chiamata pr.OHLC che ho capito molto bene.

Ma se mostri alcuni risultati, non mi è chiaro quali siano i parametri necessari per ottenere i risultati di seguito riportati.

> head(price)
        Open    High     Low   Close      Med     CO
[1,] 1.33848 1.33851 1.33824 1.33844 1.338375 -4e-05
[2,] 1.33843 1.33868 1.33842 1.33851 1.338550  8e-05
[3,] 1.33849 1.33862 1.33846 1.33859 1.338540  1e-04
[4,] 1.33858 1.33861 1.33856 1.33859 1.338585  1e-05
[5,] 1.33862 1.33868 1.33855 1.33855 1.338615 -7e-05 

Potreste per favore aiutarmi a risolvere questo problema?

Meglio così,

Fabio

Third Generation Neural Networks: Deep Networks
Third Generation Neural Networks: Deep Networks
  • 2015.02.05
  • Vladimir Perervenko
  • www.mql5.com
This article is dedicated to a new and perspective direction in machine learning - deep learning or, to be precise, deep neural networks. This is a brief review of second generation neural networks, the architecture of their connections and main types, methods and rules of learning and their main disadvantages followed by the history of the third generation neural network development, their main types, peculiarities and training methods. Conducted are practical experiments on building and training a deep neural network initiated by the weights of a stacked autoencoder with real data. All the stages from selecting input data to metric derivation are discussed in detail. The last part of the article contains a software implementation of a deep neural network in an Expert Advisor with a built-in indicator based on MQL4/R.
 
fabiocarvalho:

Ciao Vladimir,

Ecco dal Brasile!!!

Ho letto le tue istruzioni sulla rete neurale usando R, ma ho una domanda stupida (scusa, sono un principiante in questo campo!).

Nel tutorial che hai scritto ( https://www.mql5.com/it/articles/1103#ch_3), nella"Sezione 3.3.1 - Source Data" hai descritto una funzione, chiamata pr.OHLC che ho capito molto bene.

Ma se mostri alcuni risultati non mi è chiaro quali siano i parametri necessari per ottenere i risultati di seguito riportati

Potreste per favore aiutarmi a risolvere questo problema?

Meglio così,

Fabio

Ciao Fabio,

Cosa non è chiaro?

pr.OHLC <- function (o, h, l, c) 
{
  #Unite quote vectors into a matrix having previously expanded them
  #Indexing of time series of vectors in R starts with 1. 
  #Direction of indexing is from old to new ones.   
  price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))
  Med <- (price[, 2] + price[, 3])/2 #We calculate average price (HIgh + Low)/2
  CO <- price[, 4] - price[, 1] # We calculate body candles (Close - Open)
  #add Med and CO to the matrix
  price <- cbind(price, Med, CO)#We are putting it all in a matrix
}
 

Ciao Vladimir,

C'è la possibilità di avere i file per MT5?

Saluti

Fabio lima

 
fabioflimaster:

Ciao Vladimir,

C'è la possibilità di avere i file per MT5?

Saluti

Fabio lima

Ciao Fabio,

Mi dispiace.

Non scrivo su MKL5.

Cordiali saluti

Vladimir


 

Una domanda. Non mi è chiaro l'ordine del vettore prezzo.

Si fa un'inversione qui: price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))

Qual è l'ordine originale di o, h, l, c?

 
jake89:

Una domanda. Non mi è chiaro l'ordine del vettore prezzo.

Si fa un'inversione qui: price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))

Qual è l'ordine originale di o,h,l,c ?

Ciao,

La MT4 numera le barre dalla più recente alla più vecchia. La R al contrario, dal vecchio al nuovo, la nuova barra è l'ultima.