Discussione sull’articolo "Libreria di analisi numerica ALGLIB in MQL5"
Mi sono sempre chiesto di "ALgLIB in MQL": quanto è vicino all'originale e quanto gli corrisponde?
Per capire bene, la cosa peggiore che può accadere è ottenere risultati diversi utilizzando AlgLIB, ad esempio in C/C++ e in MQL.
La domanda su "ALgLIB in MQL" è sempre stata interessante: quanto è vicino all'originale e quanto gli corrisponde?
Per capire bene, la cosa peggiore che può accadere è ottenere risultati diversi utilizzando AlgLIB, ad esempio in C/C++ e in MQL.
Alcuni link per ampliare i vostri orizzonti.
- Confronto tra librerie di algebra lineare.
-
Benchmark di moltiplicazione matriciale per singolo core di CPU.
le ultime due righe sui test-case dell'AlgLIB originale. Non ci sono test nell'adattamento di MQL5.
Tutti i test-case di Alglib sono sempre stati effettuati a partire dalla prima versione della libreria MQL5(ottobre 2012):
\MQL5\Scripts\UnitTests\Alglib\ TestClasses.mq5 TestInterfaces.mq5 TestClasses.mqh TestInterfaces.mqh
Ora sono 3.850 kb di test nel codice sorgente e 105.000 linee di codice che coprono quasi tutte le funzionalità.
Chiunque può compilare i test unitari TestClasses.mq5 / TestInterfaces.mq5 ed eseguirli nel terminale.
- 2012.10.12
- www.mql5.com
Oltre ad Alglib, sono presenti testcase per altre librerie matematiche:
Dopo l'aggiornamento la rete neurale ha smesso di funzionare.
Sono tornato alla vecchia versione di ALGLIB. Se ne avete bisogno - in allegato.
Buon pomeriggio!
Qualcuno è riuscito a capire come utilizzare l'ottimizzazione ISC non lineare?
Ecco un esempio tratto dal sito di Alglib https://www.alglib.net/translator/man/manual.cpp.html#example_lsfit_d_nlf.
Potreste dirmi cosa sto sbagliando?
//+------------------------------------------------------------------+ //|Ottimale.mq5 | //|vp | //| https://www.mql5.com //+------------------------------------------------------------------+ #property copyright "vp" #property link "https://www.mql5.com" #property version "1.00" #include <Math\Alglib\alglib.mqh> void function_cx_1_func(double &c[],double &x[],double &func,CObject &obj) { // questo callback calcola f(c,x)=exp(-c0*sqr(x0)) // dove x è una posizione sull'asse X e c è un parametro regolabile func = MathExp(-c[0]*MathPow(x[0],2)); } void OnStart() { int info; CObject obj; vector v = {-1,-0.8,-0.6,-0.4,-0.2,0,0.2,0.4,0.6,0.8,1.0}; double y[] = {0.223130, 0.382893, 0.582748, 0.786628, 0.941765, 1.000000, 0.941765, 0.786628, 0.582748, 0.382893, 0.223130}; double c[] = {0.3}; CMatrixDouble x; x.Col(0,v); double epsx = 0.000001; int maxits = 0; double diffstep = 0.0001; // // Fitting senza pesi // CLSFitStateShell state; CAlglib::LSFitCreateF(x,y,c,diffstep,state); CAlglib::LSFitSetCond(state,epsx,maxits); CNDimensional_Rep rep; CNDimensional_PFunc function_cx_1_func; CAlglib::LSFitFit(state,function_cx_1_func,rep,0,obj); CLSFitReportShell grep; CAlglib::LSFitResults(state,info,c,grep); ArrayPrint(c); // ATTESA: [1.5] Print(grep.GetIterationsCount()); Print(grep.GetRMSError()); }
- App di trading gratuite
- Oltre 8.000 segnali per il copy trading
- Notizie economiche per esplorare i mercati finanziari
Accetti la politica del sito e le condizioni d’uso
Il nuovo articolo Libreria di analisi numerica ALGLIB in MQL5 è stato pubblicato:
L'articolo dà una rapida occhiata alla libreria di analisi numerica ALGLIB 3.19, alle sue applicazioni e ai nuovi algoritmi che possono migliorare l'efficienza dell'analisi dei dati finanziari.
Perché scegliere ALGLIB quando si lavora con i dati finanziari?
Ecco i principali vantaggi della libreria:
Inoltre, la libreria contiene un'ampia raccolta di casi test che coprono la maggior parte delle funzionalità dei metodi proposti.
Autore: MetaQuotes