봇의 장기기억만 줄여도 매일매일 다시 태어나지만 장기경험의 부족은 언제나 실패와 그라운드호그의 날이다.
아침에 매일 다시 최적화하는 것은 좋지 않습니다. 여기에 동의합니다. 차량의 작동에는 약간 더 긴 간격이 필요합니다. 나는 M15에 딱 일주일이 있습니다. 모델에 대한 신뢰 구간 이 약 20인 훈련에서 40개의 신호를 센다. 그 중 5개는 OOS(금요일)에서 나머지 15개는 이미 작동하고 있으며 일반적으로 하루에 3-4개의 거래가 있습니다. 여기 일주일이 있습니다! 그리고 다시 그라운드호그의 날이 되거나 그라운드호그 주간이 되었습니다. 글쎄요, 일입니다... 할 일이 없습니다 :-) 비록 내가 그것을 좋아하고 스티브 잡스가 옳았습니다. "고소득 취미보다 더 좋은 직업은 없다"
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다) 나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/ru/forum/86386/page643#comment_6472393 거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
# install.packages( "Boruta" , dependencies=T) # эту строчку нужно запустить всего 1 раз чтобы автоматически установить пакет
# library (Boruta) # эту строчку нужно запустить каждый раз когда вы заново открываете R или RStudio, чтоб загрузить пакет в память
forexFeatures <- read.csv2( "Qwe.txt" , dec="." )
Boruta(TargetProf ~ . , data = forexFeatures) #запуск с дефолтными параметрами
Boruta(TargetProf ~ . , data = forexFeatures, doTrace = 1 , maxRuns = 1000 ) #больше логов на экране, и больше итераций алгоритма, результат должен быть качественней чем дефолтный
코드는 " 4개의 속성 확인 중요: AD10, Del, Del2, N; "을 출력하므로 이 4개만 가져와서 모델을 훈련시킬 수 있습니다. N(일련 번호)도 작은 N으로 파일의 시작 부분에 클래스 1이 집중되어 있기 때문에 좋은 것으로 간주되었습니다. 일반적으로 단순히 사용자에 대한 정보를 전달하는 이러한 열을 테이블에서 먼저 제거하고 모델용이 아닙니다.
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다) 나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/en/forum/86386/page643#comment_6472393 거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
우굼. 나는 이미 많은 것을 펌핑했지만 R에 대한 지식이 부족하기 때문에 탬버린과 함께 춤을 추는 이유입니다. 하지만 정보를 주셔서 감사합니다. 분석에 충분할 특정 메트릭 세트에 집중해야 한다고 생각합니다. 저도 VI가 마음에 들어서 모델과 테스트 결과를 봤는데 이것만으로는 부족하다는 생각이 듭니다. 메트릭 세트를 정의한 후에는 선택할 수 있도록 입력 데이터 세트를 확장하는 것만 남아 있으며, 가장 중요한 것은 출력과 관련된 입력의 품질입니다. 당신의 차량에 좋은 입구를 찾으면 이것은 전투의 절반 이상입니다 ... 그래서 ....
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다) 나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/en/forum/86386/page643#comment_6472393 거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
코드는 " 4개의 속성 확인 중요: AD10, Del, Del2, N; "을 출력하므로 이 4개만 가져와서 모델을 훈련시킬 수 있습니다. N(일련 번호)도 작은 N으로 파일의 시작 부분에 클래스 1이 집중되어 있기 때문에 좋은 것으로 간주되었습니다. 일반적으로 테이블에서 단순히 사용자에 대한 정보를 전달하는 열을 제거하는 것이 좋습니다. 모델용.
이것이 첫 번째 옵션이고 두 번째 옵션은 비교적 짧은 시간 동안 적응 없이 작은 모델을 구축하는 것입니다. 말하자면 시장에 대한 습격. 그는 최적화되어 와서 평민들로부터 좋은 거래 몇 개를 얻었고 다음 시간까지 그랬습니다....
봇의 장기기억만 짤라버리면 날마다 다시 태어나겠지만, 장기 경험의 부족은 언제나 실패와 그라운드호그의 날이다.
나는 생각할 필요가 없습니다. 저에게 이것은 실험 결과의 상당히 큰 아카이브가 있는 통과된 단계입니다.
나는 내가 여러 번 쓴 것을 반복 할 것입니다.
1. 타겟 PO
2. 이 목표에 대해 약 200개의 예측 변수를 생각해 냈습니다.
3. 200개 중 '대상에 대한 영향' 알고리즘에 따라 27개의 예측변수를 선택했습니다.
4. 각 막대에서 27개의 예측 변수 중 rfe로 예측 변수를 선택합니다. 선택한 변수의 수는 27개 중 6-7개에서 15개까지 다양합니다.
5. RF를 사용자 정의합니다. 피팅 오류는 30%보다 약간 적습니다.
무한 루프가 없습니다. 30%는 매우 좋은 결과이지만 이론상으로는 그렇습니다. 나는 그러한 결과에 대한 실용적인 조언자를 만들 수 없었고 추세 지표 를 추가해야했습니다. 이제 지표(정크)를 GARCH로 변경합니다.
이것이 원칙이기 때문에 증명해야 하는 것은 접근 방식이 동일하지만 어떤 종류의 rfe입니까?
추신 내 모델은 화살표가 위 또는 아래로 표시된 출력의 표시기에서 고려됩니다. Expert Advisor는 신뢰할 수 있는 "Opener" 기능을 가지고 있습니다.
나는 생각할 필요가 없습니다. 저에게 이것은 실험 결과의 상당히 큰 아카이브가 있는 통과된 단계입니다.
글쎄요, 당신이 성공하지 못했기 때문에 우리가 이것을 할 수 있는 것은 아무것도 없습니다
당신은 우리가 당신보다 똑똑하다고 생각할 수도 있습니다 :)
추신 나는 다른 사람의 경험에서 배우기 위해 나 자신을 훈련한다
봇의 장기기억만 줄여도 매일매일 다시 태어나지만 장기경험의 부족은 언제나 실패와 그라운드호그의 날이다.
아침에 매일 다시 최적화하는 것은 좋지 않습니다. 여기에 동의합니다. 차량의 작동에는 약간 더 긴 간격이 필요합니다. 나는 M15에 딱 일주일이 있습니다. 모델에 대한 신뢰 구간 이 약 20인 훈련에서 40개의 신호를 센다. 그 중 5개는 OOS(금요일)에서 나머지 15개는 이미 작동하고 있으며 일반적으로 하루에 3-4개의 거래가 있습니다. 여기 일주일이 있습니다! 그리고 다시 그라운드호그의 날이 되거나 그라운드호그 주간이 되었습니다. 글쎄요, 일입니다... 할 일이 없습니다 :-) 비록 내가 그것을 좋아하고 스티브 잡스가 옳았습니다. "고소득 취미보다 더 좋은 직업은 없다"
글쎄요, 당신이 성공하지 못했기 때문에 우리가 이것을 할 수 있는 것은 아무것도 없습니다
당신은 우리가 당신보다 똑똑하다고 생각할 수도 있습니다 :)
추신 나는 다른 사람의 경험에서 배우기 위해 나 자신을 훈련한다
나는 그것이 작동하지 않는다고 말하지 않았다. 그것은 밝혀졌고 심지어 재정적 문제를 해결할 수 있었습니다.
그러나 고문은 재교육을 받았고 지표는 출처였으며 제거하려고합니다.
"고소득 취미보다 더 좋은 직업은 없다"
잡스보다 200년 앞서 이 직위는 생시몽이 유토피아 사회주의의 토대를 마련했다.
잡스보다 200년 앞서 이 직위는 생시몽이 유토피아 사회주의의 토대를 마련했다.
꽤 가능합니다. 논쟁하지 않겠습니다...
그러나 하나의 VI 메트릭으로는 충분하지 않을 것이라고 생각합니다. 중복성을 계산하고 열 수를 더 줄이려고 노력해야 합니다.
상호 정보 외에 출력에 대한 입력 데이터를 평가할 수 있는 기성 기능이 있을지도 모릅니다????
R에는 예측 변수(열) 선택을 포함하여 여러 경우에 대해 많은 라이브러리(패키지)가 있습니다.
https://cran.r-project.org/web/packages/available_packages_by_name.html 은 공식적으로 지원되는 라이브러리이며 github에는 수백 가지가 더 있습니다. 필요한 키워드로 검색할 수 있습니다.
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다)
나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/ru/forum/86386/page643#comment_6472393
거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
코드는 " 4개의 속성 확인 중요: AD10, Del, Del2, N; "을 출력하므로 이 4개만 가져와서 모델을 훈련시킬 수 있습니다.N(일련 번호)도 작은 N으로 파일의 시작 부분에 클래스 1이 집중되어 있기 때문에 좋은 것으로 간주되었습니다. 일반적으로 단순히 사용자에 대한 정보를 전달하는 이러한 열을 테이블에서 먼저 제거하고 모델용이 아닙니다.
R에는 예측 변수(열) 선택을 포함하여 여러 경우에 대해 많은 라이브러리(패키지)가 있습니다.
https://cran.r-project.org/web/packages/available_packages_by_name.html 은 공식적으로 지원되는 라이브러리이며 github에는 수백 가지가 더 있습니다. 필요한 키워드로 검색할 수 있습니다.
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다)
나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/en/forum/86386/page643#comment_6472393
거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
우굼. 나는 이미 많은 것을 펌핑했지만 R에 대한 지식이 부족하기 때문에 탬버린과 함께 춤을 추는 이유입니다. 하지만 정보를 주셔서 감사합니다. 분석에 충분할 특정 메트릭 세트에 집중해야 한다고 생각합니다. 저도 VI가 마음에 들어서 모델과 테스트 결과를 봤는데 이것만으로는 부족하다는 생각이 듭니다. 메트릭 세트를 정의한 후에는 선택할 수 있도록 입력 데이터 세트를 확장하는 것만 남아 있으며, 가장 중요한 것은 출력과 관련된 입력의 품질입니다. 당신의 차량에 좋은 입구를 찾으면 이것은 전투의 절반 이상입니다 ... 그래서 ....
R에는 예측 변수(열) 선택을 포함하여 여러 경우에 대해 많은 라이브러리(패키지)가 있습니다.
https://cran.r-project.org/web/packages/available_packages_by_name.html 은 공식적으로 지원되는 라이브러리이며 github에는 수백 가지가 더 있습니다. 필요한 키워드로 검색할 수 있습니다.
목표가 있는 각 예측자의 VI를 결정하기 위해 vtreat 패키지가 잘 작동합니다(designTreatments 함수, 이 사이트에서 검색하여 이름을 찾으면 예제와 함께 이 주제에 대한 많은 링크를 제공합니다)
나는 또한 최근에 FSelector 패키지를 사용하여 좋은 예측 변수 집합을 찾는 방법에 대한 예를 제시했습니다. https://www.mql5.com/en/forum/86386/page643#comment_6472393
거기에서 더 많은 사람들이 FSelectorRcpp, CORElearn, VSURF, VarSelRF, Boruta와 같은 몇 가지 다른 패키지를 제안했습니다.
Boruta는 사용하기 가장 쉬운 것 같습니다(하지만 최고는 아닐 수도 있음). 이 코드를 실행하고 기다리기만 하면 됩니다.
코드는 " 4개의 속성 확인 중요: AD10, Del, Del2, N; "을 출력하므로 이 4개만 가져와서 모델을 훈련시킬 수 있습니다.N(일련 번호)도 작은 N으로 파일의 시작 부분에 클래스 1이 집중되어 있기 때문에 좋은 것으로 간주되었습니다. 일반적으로 테이블에서 단순히 사용자에 대한 정보를 전달하는 열을 제거하는 것이 좋습니다. 모델용.
잠깐만요, 제가 반복해서 해볼께요. 방금 코드 예제를 요청하려고했습니다 ....