터미널: R 언어를 사용하는 애플리케이션을 통해 MetaTrader 5 터미널에서 데이터를 요청하기 위한 API를 추가했습니다.
작업을 위해 특별한 MetaTraderR 패키지를 준비했습니다. 여기에는 R과 MetaTrader 5 터미널, 문서 및 보조 r-파일 간의 상호 작용을 위한 DLL이 포함되어 있습니다. 패키지는 현재CRAN 리포지토리에 등록되는 중이며 곧 다운로드하여 설치할 수 있습니다.
계속을 기다리자.
행운을 빕니다
또는 애도를 표합니다. 이제 빅 데이터에 대한 작업을 네이티브 mql과 비교하고 이해하기 쉽습니다. - 당신의 r은 어떤 종류의 g인지...)
파란색이 많기 때문에 내 모델이 시장을 거의 다루지 않는다는 것이 분명합니다. 행동하지 않는 이유를 이해해야 합니다. 아마도 정확성뿐만 아니라 학습을 중단하는 다른 방법을 찾아야 할 것입니다. 물론 완성도와 정확도를 어느 정도는 제한하겠지만, 알 수 없는 이유로 이 교육 중단 옵션은 개발자가 제공하지 않아 안타깝습니다.
터미널: R 언어를 사용하는 애플리케이션을 통해 MetaTrader 5 터미널에서 데이터를 요청하기 위한 API를 추가했습니다.
작업을 위해 특별한 MetaTraderR 패키지를 준비했습니다. 여기에는 R과 MetaTrader 5 터미널, 문서 및 보조 r-파일 간의 상호 작용을 위한 DLL이 포함되어 있습니다. 패키지는 현재CRAN 리포지토리에 등록되는 중이며 곧 다운로드하여 설치할 수 있습니다.
그래프에서 Y축을 따라 시트의 번호(이진 트리), X축을 따라 선택 라인(이 경우 테스트). 범례의 색상 범위 - 값은 모듈로 취해지며 시트의 응답을 보여줍니다. 이 모델은 7개의 트리를 사용합니다. 동시에 각 시트의 값은 한 줄에 7 만 합산 된 다음 로지스틱 기능이 적용됩니다. 예를 들어 0의 합은 0.5와 같습니다.
그래프에서 테스트 샘플 기간 동안 일부 잎이 활성화되지 않았다는 결론을 내릴 수 있습니다. 훈련 및 테스트 샘플의 상황이 반복되지 않았으며, 결과에 큰 영향을 미치지 않는 낮은 응답(빨간색)으로 잎이 많이 집중되어 있음을 확인할 수 있습니다. 이는 오히려 논리적으로 유사한 조건의 잡음 또는 불일치를 나타냅니다. .
축하합니다.
터미널: R 언어 를 사용하는 애플리케이션을 통해 MetaTrader 5 터미널에서 데이터를 요청하기 위한 API를 추가했습니다 .
작업을 위해 특별한 MetaTraderR 패키지를 준비했습니다. 여기에는 R과 MetaTrader 5 터미널, 문서 및 보조 r-파일 간의 상호 작용을 위한 DLL이 포함되어 있습니다. 패키지는 현재 CRAN 리포지토리에 등록되는 중이며 곧 다운로드하여 설치할 수 있습니다.
계속을 기다리자.
행운을 빕니다
또는 애도를 표합니다. 이제 빅 데이터에 대한 작업을 네이티브 mql과 비교하고 이해하기 쉽습니다. - 당신의 r은 어떤 종류의 g인지...)
다음은 샘플에서 모델의 동작을 나타내는 또 다른 옵션입니다. 여기에서 색상으로:
TP - 올바른 분류 "1" - 녹색
FP - 오분류 "1" - 빨간색
FN - 잘못된 분류 "0"(실제로 누락된 "1") - 파란색
화면의 크기가 커서 클릭으로 보는 것이 더 재미있습니다.
그리고 두 가지 옵션을 누를 때 GIF는 명확성을 위해 전환됩니다.
파란색이 많기 때문에 내 모델이 시장을 거의 다루지 않는다는 것이 분명합니다. 행동하지 않는 이유를 이해해야 합니다. 아마도 정확성뿐만 아니라 학습을 중단하는 다른 방법을 찾아야 할 것입니다. 물론 완성도와 정확도를 어느 정도는 제한하겠지만, 알 수 없는 이유로 이 교육 중단 옵션은 개발자가 제공하지 않아 안타깝습니다.
값 범위 를 벗어나는 기능으로 인한 격차
흥미로운 예측 변수를 찾았습니까? 또는 가끔
값 범위 를 벗어나는 기능으로 인한 격차
흥미로운 예측 변수를 찾았습니까? 또는 가끔
저것들. 그러한 가치는 이전에 역사상 한 번도 본 적이 없으므로 모델이 비활성 상태의 간격을 형성한다고 믿습니다. 훈련을 위한 완전성 샘플이 부족합니까?
글쎄요, 제 예측 변수는 모두 흥미롭습니다. 몇 년에 걸쳐 고문을 당했습니다. :) 하지만 더 잘 작동하는 것은 아직 모르겠습니다. 지금은 이것을 더 잘 이해하는 데 도움이 되는 스크립트를 작업 중입니다.
축하합니다.
터미널: R 언어 를 사용하는 애플리케이션을 통해 MetaTrader 5 터미널에서 데이터를 요청하기 위한 API를 추가했습니다 .
작업을 위해 특별한 MetaTraderR 패키지를 준비했습니다. 여기에는 R과 MetaTrader 5 터미널, 문서 및 보조 r-파일 간의 상호 작용을 위한 DLL이 포함되어 있습니다. 패키지는 현재 CRAN 리포지토리에 등록되는 중이며 곧 다운로드하여 설치할 수 있습니다.
계속을 기다리자.
행운을 빕니다
매우 흥미롭다, 기대된다
나무들은 무슨 이야기를 하고 있을까...
그래프에서 Y축을 따라 시트의 번호(이진 트리), X축을 따라 선택 라인(이 경우 테스트). 범례의 색상 범위 - 값은 모듈로 취해지며 시트의 응답을 보여줍니다. 이 모델은 7개의 트리를 사용합니다. 동시에 각 시트의 값은 한 줄에 7 만 합산 된 다음 로지스틱 기능이 적용됩니다. 예를 들어 0의 합은 0.5와 같습니다.
그래프에서 테스트 샘플 기간 동안 일부 잎이 활성화되지 않았다는 결론을 내릴 수 있습니다. 훈련 및 테스트 샘플의 상황이 반복되지 않았으며, 결과에 큰 영향을 미치지 않는 낮은 응답(빨간색)으로 잎이 많이 집중되어 있음을 확인할 수 있습니다. 이는 오히려 논리적으로 유사한 조건의 잡음 또는 불일치를 나타냅니다. .
시장의 모델 차트
정확도 균형 그래프
모델은 적은 수의 잎(나무)을 포함하는 것으로 간단히 예를 들어 설명합니다.
파이썬으로 신경망을 훈련시키려고 했습니다. 패키지는 scikit-learn이고 NN 자체는 sklearn.neural_network.MLPRegressor입니다. 100개의 뉴런, 은닉층 -7, 입력 -19, 출력 - 1. 작업은 임의의 프로세스를 예측하는 것입니다.
작업은 잡음 발생기에서 만들어지며 이론적으로 이 잡음을 예측할 수 있는 방식으로 인공적입니다. 나는 몇 카운트를 미리 시도했다.
무작위로 선택된 5,000개의 포인트에 대한 예측을 실제와 비교한 결과:
X에 따르면 예측, Y에 따르면 실제 가치. 모두 45도에 매우 가깝습니다. 똑바로. 즉, 예측이 거의 완벽합니다(인공 샘플에서).
교육 포인트. 빠른 - 24 에포크. 시간이 지나면 약 10초.
나는 오라고 말해야 한다. 놀란. 난 아주. 데이터를 숨기려고 했습니다. 내가 찾은 것이 놀랍습니다. 일반적으로 신비주의에 가깝습니다.)
결론: NN sklearn.neural_network.MLPRegressor는 매우 유용합니다. 나는 분류기를 아직 시도하지 않았다.
나는 이미 시장에서 뭔가를 시도했지만 결과는 지금까지 0입니다. 그는 검색하지 않는다고 말합니다. 작업이 인위적으로 형성된 작업과 같은 등급이지만 거기에는 아무 것도 없습니다.
파이썬으로 신경망을 훈련시키려고 했습니다. 패키지는 scikit-learn이고 NN 자체는 sklearn.neural_network.MLPRegressor입니다. 100개의 뉴런, 은닉층 -7, 입력 -19, 출력 - 1. 작업은 임의의 프로세스를 예측하는 것입니다.
이 작업은 노이즈 발생기에서 만들어 지는 인공적인 작업이므로 이론적으로 이 노이즈를 예측할 수 있습니다. 나는 몇 카운트를 미리 시도했다.
무작위로 선택된 5,000개의 포인트에 대한 예측을 실제와 비교한 결과:
X에 따르면 예측, Y에 따르면 실제 가치. 모두 45도에 매우 가깝습니다. 똑바로. 즉, 예측이 거의 완벽합니다(인공 샘플에서).
교육 포인트. 빠른 - 24 에포크. 시간이 지나면 약 10초.
나는 오라고 말해야 한다. 놀란. 난 아주. 데이터를 숨기려고 했습니다. 내가 찾은 것이 놀랍습니다. 일반적으로 신비주의에 가깝습니다.)
결론: NN sklearn.neural_network.MLPRegressor는 매우 유용합니다. 분류기는 아직 시도되지 않았습니다.
나는 이미 시장 에서 무언가를 시도했지만 결과는 지금까지 0입니다. 그는 검색하지 않는다고 말합니다 . 작업이 인위적으로 형성된 작업과 같은 등급 이지만 거기에는 아무 것도 없습니다.
이것은 같은 클래스의 작업이 아닙니다.
시장은 소음 발생기가 아닙니다.이것은 같은 클래스의 작업이 아닙니다.
시장은 소음 발생기가 아닙니다.그 질문은 매우 논란의 여지가 있습니다.)) 당신의 모델을 우리에게 주시고, 그것을 국회에 몰아넣는 것이 가능하다면, 동시에 우리는 이 트랙터가 쟁기질하는지 여부를 확인할 것입니다.)
작업은 임의의 프로세스를 예측하는 것입니다.
작업은 잡음 발생기에서 만들어지며 이론적으로 이 잡음을 예측할 수 있는 방식으로 인공적입니다. 나는 몇 가지 계산을 미리 시도했다.
무작위로 선택된 5,000개의 포인트에 대한 예측을 실제와 비교한 결과:
즉, 예측이 거의 완벽합니다(인공 샘플에서).
데이터가 무작위가 아닌 것으로 나타났습니다. 그렇지 않으면 설명하는 방법입니다.
그 질문은 매우 논란의 여지가 있습니다.)) 귀하의 모델을 저희에게 주시고, 그것을 국회에 몰아넣을 수 있다면 동시에 이 트랙터가 쟁기질하는지 여부를 확인하겠습니다.)
질문은 전혀 논쟁의 여지가 없습니다. 그리고 이것은 NS가 말하는 것과 정확히 일치합니다. 노이즈 발생기에서는 꽤 작동하지만 시장 BP에서는 작동하지 않는 결과를 가져옵니다 .