R에는 멋진 mxnet 패키지가 있습니다. 그러나 더 고급 모델은 Python에서 살펴볼 필요가 있습니다.
기이한. 요전에 NS에서 신경망과 자유 소프트웨어에 대한 비교적 신선한 리뷰를 읽었습니다. 따라서 Python은 나머지 부분보다 훨씬 앞서 있습니다. 그것은 다른 것들 사이에서 언급되지만 내가 이해하는 것처럼 그것은 다양성으로 빛나지 않습니다. 링크를 저장하지 않은 것이 아쉽습니다.
R의 경우 전문화로 인해 모델링을 위한 일반적인 수학(예: 신호 필터링 등)이 완전히 부족합니다. 당신이 할 수 있는 일 - 노래를 부르든 춤을 추든.
도서관 : 그건 그렇고, MT4|5와 R의 통합이 이미 완료되었습니까? 아니면 여전히 DLL을 사용해야 합니까?
이것은 통합에 의해 수행된 것이 아니라 MT의 일부 유사한 알고리즘 라이브러리에 의해 수행되었습니다. 통합은 R과 직접 작업하는 것을 의미합니다. DLL은 이미 완료되었습니다. SanSanych에게 링크를 요청하십시오. 그는 이 작업에서 우리의 승리 를 이끌고 영감을 주는 사람입니다.
R의 모든 것이 중복되는 것 같았습니다. 통계의 루브리케이터는 matlab처럼 보이지 않지만 모든 것이 있는 것 같습니다 ...
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터, 라디오 엔지니어링 의미의 필터 및 필터 작업을 위한 모든 소프트웨어가 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에는 빠진 것이 많기 때문에 몇 달 전에 SciLab을 떠났습니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터가 없고, 무선 공학적인 의미의 필터도 없고, 필터 작업을 위한 모든 소프트웨어도 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에서는 많은 것이 빠져 있습니다. 이것이 그가 몇 달 전에 SciLab을 떠난 이유입니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
문장을 잘못 구성하고 있습니다. 쓰기: "필요한 필터를 찾을 수 없습니다 *. 어떤 필터에 관심이 있는지 모르기 때문에 몇 가지 참고 사항을 알려 드리겠습니다.
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터, 라디오 엔지니어링 의미의 필터 및 필터 작업을 위한 모든 소프트웨어가 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에서는 많은 것이 빠져 있습니다. 이것이 그가 몇 달 전에 SciLab을 떠난 이유입니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
R에 관한 것이 아니라 당신에 관한 것입니다.
내가 이해하는 한, 당신은 일부 수학 도구에 전문적으로 능숙하며 물론 거래에 사용하려고 합니다.
다른 접근 방식이 더 정확한 것 같습니다. 거래에서 문제를 찾은 다음 이러한 문제를 해결하기 위한 도구를 찾습니다.
R은 거래에서 통계를 사용하기 위한 특수 시스템이며, 이것이 10년 전에 R의 다른 matlabs, matkad(skylab은 일반적으로 누구에게도 알려지지 않음)가 경쟁자로 나열되지 않은 이유입니다.
보다 구체적으로, 필터에 대해.
위에서 동료가 그들 중 일부의 이름을 지었습니다.
그러나 필터는 입력 신호의 분리이며 강조 표시된 첫 번째 것은 추세입니다. 그래서 우리가 필터를 선택한 결과 평활화는 많은 R 패키지의 첫 번째 단계입니다.그렇게 선언된 평활화 도구에는 SSA(캐터필라), 웨이블릿과 같이 질적으로 다른 많은 도구가 있습니다.
그러나 실제로 당신이 지적한 R 필터의 의사 문제는 훨씬 더 깊은 뿌리를 가지고 있습니다.
왜 그것들이 필요합니까? 필터는 보조 장치입니다. 그리고 R에는 의사결정 블록을 만들기 위한 기성품 솔루션이 있습니다. 기계 학습과 ARMA-ARIMA-ARFIMA-ARCH-GARCH의 두 가지 고속도로를 식별할 수 있습니다. 그리고 그런 필터는 어떻습니까?
R에는 멋진 mxnet 패키지가 있습니다. 그러나 더 고급 모델은 Python에서 살펴볼 필요가 있습니다.
기이한. 요전에 NS에서 신경망과 자유 소프트웨어에 대한 비교적 신선한 리뷰를 읽었습니다. 따라서 Python은 나머지 부분보다 훨씬 앞서 있습니다. 그것은 다른 것들 사이에서 언급되지만 내가 이해하는 것처럼 그것은 다양성으로 빛나지 않습니다. 링크를 저장하지 않은 것이 아쉽습니다.
R의 경우 전문화로 인해 모델링을 위한 일반적인 수학(예: 신호 필터링 등)이 완전히 부족합니다. 당신이 할 수 있는 일 - 노래를 부르든 춤을 추든.
이것 , 이것 , 이것 그리고 아마도 이것 을 보십시오 .
모든 것이 명확하지는 않지만 신경망에 대한 몇 가지 기본 개념을 배울 수 있기를 바랍니다.
행운을 빕니다
그건 그렇고, MT4|5와 R의 통합이 이미 완료되었습니까? 아니면 여전히 DLL을 사용해야 합니까?
개인적으로 내 의견 - 뉴런, 숲, 회귀 -이 모든 것이 외환에 너무 약합니다.............
지금은 유사한 패턴 후에 가격이 어떻게 행동했는지 이력을 보는 패턴 인식 모델을 연구하고 있습니다 ..............
당신은 내 발자취를 따르고 나와 같은 생각을 하는 것이 웃기다.
시장은 재미있는 짐승이다. 당장 이해하기 어렵다. 뉴런에 조금 더 안정을 더할 수 있는 방법을 알려줄게, 나는 이것에 대해 오랫동안 썼는데, 당신은 그렇게 추가해야 한다- "비판적 관점"이라고 함
레시피는 이렇습니다.
1) 우리는 일부 시장 데이터 를 취합니다. 지표에서 가격 자체에 이르기까지 무엇이든 될 수 있습니다.
2) 훈련 샘플을 가져 와서 "A", "B", "C"의 세 부분으로 나눕니다.
3) 클래스 자체가 아닌 클래스의 확률을 가진 벡터가 샘플 "A"에 대한 시장 데이터 에 대해 이 뉴런 을 훈련시키는 출력에서 뉴런을 취합니다 .
4) 우리는 뉴런 에 의해 샘플 "B"와 "C"를 예측하고 샘플 "B"와 "C"에 대한 예측 벡터를 얻습니다.
5) 새로운 뉴런을 가져와 샘플 "B"의 시장 데이터 로 다시 훈련하고 더 추가합니다. 이전 뉴런의 샘플 "B"에서 얻은 예측 벡터
6) 검증을 위한 샘플 "C"
시도, 무슨 일이 있었는지 롤아웃
신호 필터링 등. 그리고.
더 자세하게 얘기해 주 시겠어요? 매우 흥미로운.
R의 모든 것이 중복되는 것 같았습니다. 통계의 루브리케이터는 matlab처럼 보이지 않지만 모든 것이 있는 것 같습니다 ...
그건 그렇고, MT4|5와 R의 통합이 이미 완료되었습니까? 아니면 여전히 DLL을 적용해야 합니까?
다음은 예제가 있는 라이브러리입니다. 불만이 없습니다.
당신은 내 발자취를 따르고 나와 같은 생각을 하는 것이 재미있습니다.
시장은 재미있는 짐승이다. 당장 이해하기 어렵다... 뉴런에 조금 더 안정을 더할 수 있는 방법을 알려줄게, 나는 이것에 대해 오랫동안 썼고, 당신은 그렇게 추가해야 한다- "비판적 관점"이라고 함
레시피는 이렇습니다.
1) 우리는 일부 시장 데이터 를 취합니다. 지표에서 가격 자체에 이르기까지 무엇이든 될 수 있습니다.
2) 훈련 샘플을 가져 와서 "A", "B", "C"의 세 부분으로 나눕니다.
3) 클래스 자체가 아닌 클래스의 확률을 가진 벡터가 샘플 "A"에 대한 시장 데이터 에 대해 이 뉴런 을 훈련시키는 출력에서 뉴런을 취합니다 .
4) 우리는 뉴런 에 의해 샘플 "B"와 "C"를 예측하고 샘플 "B"와 "C"에 대한 예측 벡터를 얻습니다.
5) 새로운 뉴런을 가져와 샘플 "B"의 시장 데이터 로 다시 훈련하고 더 추가합니다. 이전 뉴런의 샘플 "B"에서 예측 한 벡터
6) 검증을 위한 샘플 "C"
시도, 무슨 일이 있었는지 롤아웃
나는 나무에서 그것을 시도했습니다. 거기에서도 클래스 대신 클래스의 확률을 취할 수 있습니다. 계획은 실질적으로 당신의 것입니다. 더 노력했습니다. 확률을 두 클래스로 반으로 나누지 않았지만 다르게 나누는 방법이 있습니다. 개선 - 몇 퍼센트.
모든 것이 비어 있습니다.
목표와 관련된 예측 변수를 찾아야 합니다. 그리고 모델에 전혀 신경 쓰지 마십시오. 좋은 예측 변수를 사용하면 모델은 거의 동일한 결과를 제공합니다.
더 자세하게 얘기해 주 시겠어요? 매우 흥미로운.
R의 모든 것이 중복되는 것 같았습니다. 통계의 루브리케이터는 matlab처럼 보이지 않지만 모든 것이 있는 것 같습니다 ...
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터, 라디오 엔지니어링 의미의 필터 및 필터 작업을 위한 모든 소프트웨어가 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에는 빠진 것이 많기 때문에 몇 달 전에 SciLab을 떠났습니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터가 없고, 무선 공학적인 의미의 필터도 없고, 필터 작업을 위한 모든 소프트웨어도 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에서는 많은 것이 빠져 있습니다. 이것이 그가 몇 달 전에 SciLab을 떠난 이유입니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
문장을 잘못 구성하고 있습니다. 쓰기: "필요한 필터를 찾을 수 없습니다 *. 어떤 필터에 관심이 있는지 모르기 때문에 몇 가지 참고 사항을 알려 드리겠습니다.
mFilter 패키지 - Baxter-King 필터, Butterworth 필터, Christiano-Fitzgerald 필터, Hodrick-Prescott 필터, 삼각 회귀 필터
패키지 FKF - 고속 칼만 필터
패키지 kza- coeff() Kolmogorov-Zurbenko 푸리에 변환
그리고 많은 다른 많은..
또한 필터의 주제에 대해 깊이 있고 계산되는 수학 공식을 알고 있다면 간단히 계산하는 데 문제가 없습니다. 아니다?
행운을 빕니다
구체적으로 이미 말했다. 예를 들어 - 필터링. R에는 필터, 라디오 엔지니어링 의미의 필터 및 필터 작업을 위한 모든 소프트웨어가 없습니다. Z 변환 - 부재. 적분 변환은 없습니다(모든 것 중에서 푸리에만 존재하는 것으로 보입니다). R에서는 많은 것이 빠져 있습니다. 이것이 그가 몇 달 전에 SciLab을 떠난 이유입니다. 그런 다음 그들은 자세히 물어볼 것입니다.)
이것은 R의 결함이 아니라 특이성입니다. SciLab에도 단점(특징)이 있습니다.) 소프트웨어는 부분적으로 교차하는 다양한 작업을 해결하는 것을 목표로 합니다.
R에 관한 것이 아니라 당신에 관한 것입니다.
내가 이해하는 한, 당신은 일부 수학 도구에 전문적으로 능숙하며 물론 거래에 사용하려고 합니다.
다른 접근 방식이 더 정확한 것 같습니다. 거래에서 문제를 찾은 다음 이러한 문제를 해결하기 위한 도구를 찾습니다.
R은 거래에서 통계를 사용하기 위한 특수 시스템이며, 이것이 10년 전에 R의 다른 matlabs, matkad(skylab은 일반적으로 누구에게도 알려지지 않음)가 경쟁자로 나열되지 않은 이유입니다.
보다 구체적으로, 필터에 대해.
위에서 동료가 그들 중 일부의 이름을 지었습니다.
그러나 필터는 입력 신호의 분리이며 강조 표시된 첫 번째 것은 추세입니다. 그래서 우리가 필터를 선택한 결과 평활화는 많은 R 패키지의 첫 번째 단계입니다.그렇게 선언된 평활화 도구에는 SSA(캐터필라), 웨이블릿과 같이 질적으로 다른 많은 도구가 있습니다.
그러나 실제로 당신이 지적한 R 필터의 의사 문제는 훨씬 더 깊은 뿌리를 가지고 있습니다.
왜 그것들이 필요합니까? 필터는 보조 장치입니다. 그리고 R에는 의사결정 블록을 만들기 위한 기성품 솔루션이 있습니다. 기계 학습과 ARMA-ARIMA-ARFIMA-ARCH-GARCH의 두 가지 고속도로를 식별할 수 있습니다. 그리고 그런 필터는 어떻습니까?