MQL에서 훈련된 삼항 분류기의 코드를 생성하는 12번째 버전의 jPrediction이 출시되었습니다. MetaTrader 터미널 사용자는 더 이상 Java에서 MQL로 삼항 분류기 코드를 이식할 필요가 없습니다. 모든 MQL 코드는 이제 확장자가 mqh인 파일에 저장됩니다.
(큰 박수와 "만세!" 외침)
하지만 그게 다가 아닙니다. jPrediction 12는 이제 이전 버전보다 약 12% 더 빠르게 계산합니다!
(동시에 보닛을 던지며 큰 박수)
jPrediction의 수많은 사용자는 내 웹사이트(내 프로필의 링크, 사이트 메인 페이지의 첫 번째 게시물)에서 버전 12를 무료로 다운로드하여 사용할 수 있습니다.
(키 소리 및 모니터에서 다운로드 표시기의 움직임)
축하는 구두뿐만 아니라 서면으로도 WebMoney를 통한 선물 및 송금의 형태로 가능합니다.
유리 레셰토프 : 5-ke에서 확인했습니다. 그러나 코드에는 OOP 및 5-ke에만 고유한 기타 기능이 없습니다. 그래서 4호와 궁합이 맞아야 할 것 같은데요? IMHO 물론, 4-ke에서 확인하지 않았기 때문입니다.
글쎄요. 방금 Prediction을 생성하는 코드를 제가 작성한 코드와 비교했는데 결과는 같습니다. 기억하시겠지만 1d와 관련된 오류가 갑자기 발생하지 않을까 걱정이 되었습니다. 이제 모든 것이 수렴되고 결과가 동일하다는 것을 확인했습니다. 오늘은 매수 시그널 선택이 너무 빡세게 훈련되어 어제의 시그널을 남기기로 했고, 지지도 않고 12번째 릴리즈가 더 좋은 결과로 최적화 되었지만 엔트리가 적었다.. 3개만.. 그래서 일반적으로 괜찮습니다. 하지만 내일 더 자세히 살펴봐야 합니다. 그래서 내일은 좀 더 구체적으로 구독을 취소하겠습니다.... 자, 그럼, 오늘의 유화는... 스스로 판단해 보세요..... 하소연하는 것은 죄입니다. 그리고 네트워크가 "모름"(화살표가 없는 점)으로 정의한 신호에 대해 다시 설명하겠습니다. 우리는 이미 사실을 결정합니다. 오늘은 사실입니다. 즉, 네트워크에서 "모르겠습니다"라고 말하면 이것이 사실임을 의미합니다 ...
다른 사람들에게 그의 모범은 과학입니다. 하지만 맙소사, 얼마나 지루한 밤낮으로 앉아 있는 병자들과 함께, 한 발짝도 물러서지 않는다! 얼마나 낮은 속임수인가 반쯤 죽은 자들을 즐겁게 하다 그의 베개를 고쳐라 약을 주는 것이 슬프다 한숨을 쉬고 스스로 생각하십시오. 악마는 언제 당신을 데려 갈 것입니다!)))
이 상황을 잠시 상상해 봅시다. 예측 변수가 5개 있고 가격이 있으므로 높은 확률로 가격 움직임을 예측해야 합니다. 70%가 넘는다고 하면... 우리는 사기꾼입니다)) 이러한 예측 변수에는 시장을 정확하게 예측할 수 있는 패턴이 단 하나뿐이라는 것을 미리 알고 있습니다. 이것은RSI 가그리고확률적~ 50 영역에서 미니 지그재그로 만들기
에스
그건 그렇고, 패턴은 말하자면 디지털 (~50 영역의 패턴)과 구상(지그재그 - 이미지)의 두 가지 시각에 있으므로 패턴을 검색할 때 다음을 고려하는 것이 합리적입니다. 그런 비행기 ...
그게 다야, 이 예측 변수에는 더 이상 작동 패턴이 없고, 나머지는 모두 잡음일 뿐이며, 처음 세 지표는 처음에는 잡음이고, RSI스토캐스틱은 패턴이 하나뿐입니다.다른 모든 것 RSI그리고stoch도 완전한 소음입니다 ...
이제 데이터에서 이러한 패턴을 검색하는 방법에 대해 생각해 보겠습니다. 일반 ML이 이를 수행할 수 있습니까?
대답은 '아니오 왜요?
대상 MO는 모든 움직임을 예측하는 것을 목표로 하기 때문에 지그재그 또는 컬러 트레일입니다. 양초 또는 방향 또는 .. 또는 ... 모든 목표는 MO가 모든 가격 변동을 설명하도록 강제합니다. 이는 99% 미만의 소음 예측기에서는 불가능합니다...
추구에서, 나는 당신에게 도덕성에 대한 약간의 이야기를 할 것입니다. 나는 20개의 예측 변수가 있는 합성 샘플을 만들었습니다. 4개의 예측 변수가 함께 상호 작용하고 대상 하나를 완전히 설명하고 나머지 16개의 예측 변수는 무작위 노이즈입니다.OS데이터모델은 모든 새로운 값을 추측했고 0%의 오류를 보여주었습니다.... 이야기의 교훈은 데이터에 완전히 설명할 수 있는 예측 변수가 있는 경우 MO를 목표로 하고 계속 배우십시오. OOS는 정상적으로 작동합니다 ... 우리의 결과는 반대를 나타냅니다. MO에 제출한 샘플에는 5%를 설명할 수 있는 유용한 정보가 5% 있습니다. 그러나우리는 모두 100% 접근 방식의 유토피아를 이해하기를 원합니다??? 이것이 MO가 재교육하는 이유입니다. 우리는 모두 100% 예측하기 위해 재교육하도록 강요합니다.
요점으로 돌아가서 이러한 작업 패턴을 찾는 방법은 무엇입니까? "스택"에서 이 견고함의 "바늘"을 찾는 방법 데이터??
나는 원칙적으로 ML을 포기할 것을 제안합니다. 필요한 것은 각 예측자를 유사한 상황(패턴)의 작은 조각으로 나누는 것입니다. 가능한 모든 조합을 정렬하고 대상과 비교하여 원하는 것을 찾을 수 있습니다 ... 이제 더 자세히 예측 변수를 분할하는 방법은 무엇입니까? 어떻게?
대답은 간단합니다. 바로 하지는 않았지만 각 예측 변수를 바보같이 클러스터링하면 됩니다. 예를 들어 30개의 클러스터로 가정해 보겠습니다.
모든 것을 그린 것은 아니지만 본질은 이미 명확하다고 생각합니다. 각 예측자를 해당 클러스터의 일부로 나누고 이제 클러스터 간에 다른 조합을 시도하면 그림과 같이 작동하는 몇 가지 패턴을 찾을 수 있습니다. 예를 들어 - 스토캐스틱에 클러스터 1이 있고 RSI에 클러스터 2가 있으면 증가가 있을 것입니다 ...
또한 필요하다
각 클러스터 번호의 가능한 모든 조합을 반복할 뿐만 아니라
예측 변수뿐만 아니라 클러스터 자체의 조합도 사용하므로 1과 4만 사용합니다.
클러스터 또는 1, 3, 5 클러스터 등…
방법의 장점
보통의 MO 앞에서, 아니 오히려 플러스도 아닌, 이것은 MO에 없는 것이 아니라 상식이다.
이어야 한다고 말합니다...
1) 방법은 대상의 해당 부분만 설명합니다.
그는 정말로 설명할 수 있고 모든 것을 100% 설명하려고 하지 않습니다.
표적 모든 MO가 그 일을 하는 방법
레셰토프를 포함한
2) 이 방법은 심층적이며 최상의 예측 변수를 선택할 뿐만 아니라 최고 예측 변수 자체 내의 상황에서는
다른 MO보다 더 깊은 분석 방법
3) 1), 2)항으로 인해 이 방법은 다음과 같은 징후를 자동으로 찾습니다.
형상 평면을 완벽하게 분리
4) 공정한 통계적 장벽이 있습니다. 같은 상황에서 그룹을 찾을 때
탭을 참조하십시오. 2 최소한 10개는 있어야 합니다(당신은
규제), 이 최소값은 다음의 통계적 결과에 희망을 줍니다.
목표는 신뢰할 수 있습니다. 기존 MO에서는 다음과 같은 두 가지 유사한 상황만 있을 수 있습니다.
목표가 끝났다고 가정해 봅시다. MO는 이미 짧다고 생각할 것입니다.
패턴, 단 두 가지 관찰만으로 상황의 공포를 이해합니까?
5) 공정한 확률 장벽이 있습니다. 동일한 상황의 그룹을 찾을 때
탭을 참조하십시오. 2는 숫자(긴 단위)입니다.
이 그룹에는 0보다 70% 더 많아야 합니다. 이것은 또한 다음과 같은 희망을 줍니다.
확률이 강하고 무작위가 아닙니다. 다시 말하지만, 일반 MO에서는 이것이 없습니다.
1% 단위의 과체중은 이미 긴 패턴으로 간주되며 공포도 그렇지 않습니다. 이든??
6) 알고리즘은 예측 변수의 관계와 함께 작동하지만 모든 MO가 이 작업을 수행하는 것은 아닙니다.
7) 발견된 패턴을 쉽게 시각화하거나 프로그래밍할 수 있습니다. 즉, 간단하게 이해할 수 있습니다.
"클러스터링"이 무엇을 의미하는지 잘 모르겠습니다. 일반적으로 특정 예측 변수가 하나가 아니라 반대로 10개 정도를 취하여 공간에서 이러한 점이 그룹화되는 영역을 찾습니다. 예를 들어, 아래 그림에서 두 개의 예측 변수가 있는 경우 2개의 클러스터로 클러스터링하면 파란색과 빨간색 클러스터만 제공됩니다.
아마도 당신은 패턴에 대해 이야기하고 있습니까? 녹색 패턴 - 가격이 하락한 다음 상승합니다. 노란색 - 아래에서 위로 자랍니다. 빨간색: 위->아래. 추측?
전 세계가 숨을 죽이고 이 순간을 초조하게 기다리고 있습니다.
그리고 이 이벤트가 드디어 일어났습니다!
MQL에서 훈련된 삼항 분류기의 코드를 생성하는 12번째 버전의 jPrediction이 출시되었습니다. MetaTrader 터미널 사용자는 더 이상 Java에서 MQL로 삼항 분류기 코드를 이식할 필요가 없습니다. 모든 MQL 코드는 이제 확장자가 mqh인 파일에 저장됩니다.
(큰 박수와 "만세!" 외침)
하지만 그게 다가 아닙니다. jPrediction 12는 이제 이전 버전보다 약 12% 더 빠르게 계산합니다!
(동시에 보닛을 던지며 큰 박수)
jPrediction의 수많은 사용자는 내 웹사이트(내 프로필의 링크, 사이트 메인 페이지의 첫 번째 게시물)에서 버전 12를 무료로 다운로드하여 사용할 수 있습니다.
(키 소리 및 모니터에서 다운로드 표시기의 움직임)
축하는 구두뿐만 아니라 서면으로도 WebMoney를 통한 선물 및 송금의 형태로 가능합니다.
MKUL 버전이 무엇인지 물어보기가 부끄럽습니다 ??? 4 또는 5???
5-ke에서 확인했습니다. 그러나 코드에는 OOP 및 5-ke에만 고유한 기타 기능이 없습니다. 그래서 4호와 궁합이 맞아야 할 것 같은데요? IMHO 물론, 4-ke에서 확인하지 않았기 때문입니다.
글쎄요. 방금 Prediction을 생성하는 코드를 제가 작성한 코드와 비교했는데 결과는 같습니다. 기억하시겠지만 1d와 관련된 오류가 갑자기 발생하지 않을까 걱정이 되었습니다. 이제 모든 것이 수렴되고 결과가 동일하다는 것을 확인했습니다. 오늘은 매수 시그널 선택이 너무 빡세게 훈련되어 어제의 시그널을 남기기로 했고, 지지도 않고 12번째 릴리즈가 더 좋은 결과로 최적화 되었지만 엔트리가 적었다.. 3개만.. 그래서 일반적으로 괜찮습니다. 하지만 내일 더 자세히 살펴봐야 합니다. 그래서 내일은 좀 더 구체적으로 구독을 취소하겠습니다.... 자, 그럼, 오늘의 유화는... 스스로 판단해 보세요..... 하소연하는 것은 죄입니다. 그리고 네트워크가 "모름"(화살표가 없는 점)으로 정의한 신호에 대해 다시 설명하겠습니다. 우리는 이미 사실을 결정합니다. 오늘은 사실입니다. 즉, 네트워크에서 "모르겠습니다"라고 말하면 이것이 사실임을 의미합니다 ...
하지만 맙소사, 얼마나 지루한
밤낮으로 앉아 있는 병자들과 함께,
한 발짝도 물러서지 않는다!
얼마나 낮은 속임수인가
반쯤 죽은 자들을 즐겁게 하다
그의 베개를 고쳐라
약을 주는 것이 슬프다
한숨을 쉬고 스스로 생각하십시오.
악마는 언제 당신을 데려 갈 것입니다!)))
MO 알고리즘을 더 자세히 살펴볼 수 있는 패키지를 찾았습니다. 나 자신은 전혀 이해하지 못했지만 패키지가 좋다는 것을 알려주고 누군가가 관심을 가질 수도 있습니다 ...
파티킷 패키지
j Prediction 의 14번째 버전이 출시되었습니다.
새 버전에서는 모델에서 중요하지 않은 예측 변수를 식별하고 제거하는 알고리즘이 개선되었습니다.
jPrediction 14 는 무료로 다운로드하여 내 웹사이트(내 프로필의 링크, 내 웹사이트 홈 페이지의 최상위 게시물)에서 다운로드하여 분류 문제에 사용할 수 있습니다.
예시(지표)는 순전히 예시용이며, 지표 사용을 강력히 권장하지 않습니다.
이 상황을 잠시 상상해 봅시다. 예측 변수가 5개 있고 가격이 있으므로 높은 확률로 가격 움직임을 예측해야 합니다. 70%가 넘는다고 하면... 우리는 사기꾼입니다)) 이러한 예측 변수에는 시장을 정확하게 예측할 수 있는 패턴이 단 하나뿐이라는 것을 미리 알고 있습니다. 이것은 RSI 가 그리고 확률적 ~ 50 영역에서 미니 지그재그로 만들기
에스
그건 그렇고, 패턴은 말하자면 디지털 (~50 영역의 패턴)과 구상(지그재그 - 이미지)의 두 가지 시각에 있으므로 패턴을 검색할 때 다음을 고려하는 것이 합리적입니다. 그런 비행기 ...
그게 다야, 이 예측 변수에는 더 이상 작동 패턴이 없고, 나머지는 모두 잡음일 뿐이며, 처음 세 지표는 처음에는 잡음이고, RSI 스토캐스틱 은 패턴이 하나뿐입니다 . 다른 모든 것 RSI 그리고 stoch 도 완전한 소음입니다 ...
이제 데이터에서 이러한 패턴을 검색하는 방법에 대해 생각해 보겠습니다. 일반 ML이 이를 수행할 수 있습니까?
대답은 '아니오 왜요?
대상 MO는 모든 움직임을 예측하는 것을 목표로 하기 때문에 지그재그 또는 컬러 트레일입니다. 양초 또는 방향 또는 .. 또는 ... 모든 목표는 MO가 모든 가격 변동을 설명하도록 강제합니다 . 이는 99% 미만의 소음 예측기에서는 불가능합니다...
추구에서, 나는 당신에게 도덕성에 대한 약간의 이야기를 할 것입니다. 나는 20개의 예측 변수가 있는 합성 샘플을 만들었습니다. 4개의 예측 변수가 함께 상호 작용하고 대상 하나를 완전히 설명하고 나머지 16개의 예측 변수는 무작위 노이즈입니다. OS 데이터 모델은 모든 새로운 값을 추측했고 0%의 오류를 보여주었습니다.... 이야기의 교훈은 데이터에 완전히 설명할 수 있는 예측 변수가 있는 경우 MO를 목표로 하고 계속 배우십시오. OOS 는 정상적으로 작동합니다 ... 우리의 결과는 반대를 나타냅니다. MO에 제출한 샘플에는 5%를 설명할 수 있는 유용한 정보가 5% 있습니다. 그러나 우리는 모두 100% 접근 방식의 유토피아를 이해하기를 원합니다??? 이것이 MO가 재교육하는 이유입니다. 우리는 모두 100% 예측하기 위해 재교육하도록 강요합니다.
요점으로 돌아가서 이러한 작업 패턴을 찾는 방법은 무엇입니까? "스택"에서 이 견고함의 "바늘"을 찾는 방법 데이터??
나는 원칙적으로 ML을 포기할 것을 제안합니다. 필요한 것은 각 예측자를 유사한 상황(패턴)의 작은 조각으로 나누는 것입니다. 가능한 모든 조합을 정렬하고 대상과 비교하여 원하는 것을 찾을 수 있습니다 ... 이제 더 자세히 예측 변수를 분할하는 방법은 무엇입니까? 어떻게?
대답은 간단합니다. 바로 하지는 않았지만 각 예측 변수를 바보같이 클러스터링하면 됩니다. 예를 들어 30개의 클러스터로 가정해 보겠습니다.
모든 것을 그린 것은 아니지만 본질은 이미 명확하다고 생각합니다. 각 예측자를 해당 클러스터의 일부로 나누고 이제 클러스터 간에 다른 조합을 시도하면 그림과 같이 작동하는 몇 가지 패턴을 찾을 수 있습니다. 예를 들어 - 스토캐스틱에 클러스터 1이 있고 RSI에 클러스터 2가 있으면 증가가 있을 것입니다 ...
이제 작업 패턴을 찾는 방법의 본질
이것은 우리의 가상 샘플입니다. 목표 . 상표 이것은 목표, 즉 상승/하락
성장을 찾는 방법의 예
우리는 전체 샘플에서 적어도 10번 반복되는 라인을 찾고 있으며 반복되는 발견된 동일한 그룹 각각에서 target.label의 "1"의 수는 "0"에 대해 70%를 초과해야 합니다.
"클러스터링"이 무엇을 의미하는지 잘 모르겠습니다. 일반적으로 특정 예측 변수가 하나가 아니라 반대로 10개 정도를 취하여 공간에서 이러한 점이 그룹화되는 영역을 찾습니다. 예를 들어, 아래 그림에서 두 개의 예측 변수가 있는 경우 2개의 클러스터로 클러스터링하면 파란색과 빨간색 클러스터만 제공됩니다.
아마도 당신은 패턴에 대해 이야기하고 있습니까? 녹색 패턴 - 가격이 하락한 다음 상승합니다. 노란색 - 아래에서 위로 자랍니다. 빨간색: 위->아래. 추측?