Продолжая тему нейронных сетей, предлагаю рассмотреть сверточные нейронные сети. Данный тип нейронных сетей был разработан для поиска объектов на изображении. Рассмотрим, как он может нам помочь в работе на финансовых рынках.
Warning (from warnings module):
File "D:\FX\Python\meta_modeling.py", line 26
pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
UserWarning: The argument 'infer_datetime_format'is deprecated and will be removed in a future version. A strict version of it is now the default, see https://pandas.pydata.org/pdeps/0004-consistent-to-datetime-parsing.html.この引数は安全に削除できます。
予後はわからない。日本の漫画に出てくるようなてんかんになることもあるから、気をつけてね。
非線形力学の教科書に載っていたものだ。面白いのは、全体像が1つの漸化式で与えられることだ。つまり、今いる場所と移動方向を知っていれば、ある時間後に自分がどこにいるかを高い確率で言い当てることができるのだ。
前の写真について。私は自分の超予測や聖杯で誰かを驚かせようなどという気は毛頭ないし、仕事量の10％はすでに終わっていると指摘した。
これは非線形力学の教科書に載っていたものだ。面白いのは、全体像が1つの漸化式で示されていることだ。つまり、今いる場所と移動方向を知っていれば、ある時間後にどこにいるかが高い確率でわかるということだ。
前の写真について。私は自分の超予測や聖杯で誰かを感動させようとは思わないし、すでに仕事の10％は終わっていると指摘した。
幸運を祈るばかりだ。
ありがとう
こんにちは！
あなたの記事に興味を持ちました。このような仕事に感謝します。
ネットワークの*.mqhライブラリへの翻訳に出会ったことがありません。この方法でCNNネットワークを翻訳することは可能ですか？
私は木星と端末をデータファイルで接続しているのですが、これはあまり便利ではありません。
それを実装したいのですが。どこにあるか教えてください。
ありがとうございました。
こんにちは！
あなたの記事に興味を持ちました。このような仕事をありがとう。
ネットワークの*.mqhライブラリへの翻訳に出会ったことがありません。CNNのネットワークを*.mqhライブラリに翻訳することは可能ですか？
私はデータ転送ファイル経由で端末とjupiter接続をしているのですが、これはあまり便利ではありません。
それを実装したいのですが。どこを見ればいいか教えてください。
ありがとうございました。
もちろん、ネットワーク・アーキテクチャを書き換えて、再トレーニングのたびに重みをファイルかmqhに保存することはできます。
のよう な既成のものを使うことは可能かもしれません。
私自身はネットワークを扱わないので、移行の複雑さについてはわかりません。
警告が表示される
これが正しい操作にとって重要なのかどうか、またどのように修正すればよいのかがわかりません。
def get_prices() -> pd.DataFrame: p = pd.read_csv('EURUSDMT5.csv', delim_whitespace=True) pFixed = pd.DataFrame(columns=['time', 'close']) pFixed['time'] = p['<DATE>'] + ' ' + p['<TIME>'] pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True) pFixed['close'] = p['<CLOSE>'] pFixed.set_index('time', inplace=True) pFixed.index = pd.to_datetime(pFixed.index, unit='s') pFixed = pFixed.dropna() pFixedC = pFixed.copy()警告を受けているんだ。
この警告が正しい操作にとって重要なものなのか、そうでないのか、またどのように修正すればいいのかがわかりません。
新しいpandasでは
新しいパンダでは
はい、うまくいきました。
記事の中で不明な点があります：
「予測変数の選択と取引のマークアップは自動的に行われます。- 予測因子を自動的に選択する方法について、記事のどこに記載されているのでしょうか？
「データはトレーニング用に準備されている。第二のラベル（'meta_labels'）に従ってメイン・ラベル（'labels'）の追加再分割を行うことが可能である。
また、Expert Advisorで新しいデータにモデルを適用する際、この削除はどのように行われるのでしょうか？
なぜ初期段階でマークアップが異なるのか理解できません。人為的にそうしているだけで、そうしないことも可能なのでしょうか？
はい、うまくいきました。
記事には不明瞭な点がいくつかある：
「予測変数の選択と取引のマークアップは自動的に行われます。- この記事には、予測因子を自動的に選択する方法が記載されていないのですが？
「これでデータはトレーニング用に準備された。メイン・ラベル('labels')をセカンド・ラベル('meta_labels')に従って追加的に再分割することができます。
Expert Advisor で新しいデータにモデルを適用するとき、この削除はどのように行われるのですか？
なぜ初期段階でマークアップが異なるのか理解できません。人為的にそうしているだけで、そうしないことも可能なのでしょうか？