트레이딩의 머신러닝: 이론, 모델, 실전 및 알고리즘 트레이딩 - 페이지 532

 
익명 :

행렬의 차원에 따라 필요에 따라 전치합니다.

kohonen::classvec2classmat, kohonen::classmat2classvec의 두 가지 기능만 사용하면 됩니다. 이러한 기능을 복사하여 필요에 따라 사용할 수 있습니다.

> classvec2classmat
function (yvec) 
{
     if (! is .factor(yvec)) 
        yvec <- factor(yvec)
    nclasses <- nlevels(yvec)
    outmat <- matrix( 0 , length(yvec), nclasses)
    dimnames(outmat) <- list(NULL, levels(yvec))
     for (i in 1 :nclasses) outmat[which( as .integer(yvec) == i), 
        i] <- 1
    outmat
}
> classmat2classvec
function (ymat, threshold = 0 ) 
{
     class .names <- dimnames(ymat)[[ 2 ]]
     if ( is . null ( class .names)) 
         class .names <- 1 :ncol(ymat)
    classes <- apply(ymat, 1 , function(x) which(x == max(x))[ 1 ])
    classes[apply(ymat, 1 , max) < threshold] <- NA
    factor( class .names[classes], levels = class .names)
}

행운을 빕니다

 
도서관 :

R의 또 다른 문제.

한 컴퓨터에서는 모든 것이 정상이고 다른 컴퓨터에서는 코드의 정확성에 대한 요구 사항이 증가했습니다.

예를 들어

darch.unitFunction = linearUnit - Rterm.exe가 충돌하도록 했습니다.

로 변경

darch.unitFunction = " 선형 단위"

이 지점은 다음 오류까지 전달되기 시작했습니다.

또한 라이브러리(darch)를 require(darch)로 변경해야 했습니다.

이제 훈련 자체가 엉망입니다.

R_NN <- 다크(
darch=NULL,
x = MatrixLearnX ,
y = MatrixLearnY ,
paramsList = 매개변수
)

많은 옵션을 시도했지만 Rterm.exe는 항상 충돌합니다 .

R에 일종의 오류율 제어 기능이 있습니까? 두 번째 PC에서 각 경고에서 중지가 발생할 때 개발을 위한 오류 수준이 있었습니까?

두 컴퓨터 모두에서 R을 기본 설정으로 설정하고 모든 패키지를 설치했습니다.
어떻게 고치는 지?

한 컴퓨터와 다른 컴퓨터에서 세션의 스냅샷을 만들고 비교합니다. 예를 들어

> sessionInfo()
R version 3.4 . 2 ( 2017 - 09 - 28 )
Platform: x86_64-w64-mingw32/x64 ( 64 -bit)
Running under: Windows 7 x64 (build 7601 ) Service Pack 1

Matrix products: default

locale:
[ 1 ] LC_COLLATE=English_United States. 1252 
[ 2 ] LC_CTYPE=English_United States. 1252    
[ 3 ] LC_MONETARY=English_United States. 1252
[ 4 ] LC_NUMERIC=C                          
[ 5 ] LC_TIME=English_United States. 1252     

attached base packages:
[ 1 ] stats     graphics  grDevices utils    
[ 5 ] datasets  methods   base      

other attached packages:
[ 1 ] kohonen_3. 0.4         RevoUtils_10. 0.6     
[ 3 ] RevoUtilsMath_10. 0.1

loaded via a namespace (and not attached):
[ 1 ] MASS_7. 3 - 47     compiler_3. 4.2
[ 3 ] tools_3. 4.2     Rcpp_0. 12.13   

행운을 빕니다

 
블라디미르 페레르벤코 :

한 컴퓨터와 다른 컴퓨터에서 세션의 스냅샷을 만들고 비교합니다. 예를 들어

행운을 빕니다

이 방법으로가 아니라 시행 착오를 통해 알아 냈습니다.
감사해요

 

그건 그렇고, 나는 여기서 네트워크 "하드 코드"라는 표현을 만났습니다.
분명히 이것은 가중치와 편향이 있는 함수를 얻고 출력을 계산하기 위한 것입니다.

예를 들어, 첫 번째 레이어의 darch에서 가중치를 얻는 방법: print (NN@layers[[1]]$weights)

그러한 하드코딩된 함수를 만들기 위한 기성 스크립트가 있습니까?

 

R. Crypto exchange - bittrex를 통해 암호 화폐 거래의 기본 기능을 만들었습니다. 한때 모든 검사를 통과했기 때문에 이제 작동하는 코드를 즉시 확인할 수 있습니다.
코드에서 API_KEY 및 API_SECRET 값을 거래소가 프로필 설정 에서 개인적으로 제공하는 값으로 교체해야 합니다.

이 교환의 단점은 그들의 API에 ohlc 값을 가져오는 기능이 없다는 것입니다. 틱을 직접 수집하고 이를 기반으로 ohlc 막대를 만들어야 합니다(또는 타사 리소스에서 다운로드). 그리고 API에 액세스하고 이를 통해(및 R을 통해) 거래하려면 신원 확인을 통과하고 2fa를 활성화해야 합니다.

API를 통해 ohlc를 발행하고 거래를 위해 신원 확인이 필요하지 않은 거래소를 찾는 것이 가치가 있을 것입니다. 모든 거래소는 일반적으로 api로 작동하며 이 스크립트는 다른 스크립트로 쉽게 변환할 수 있습니다.

 
막심 드미트리예프스키 :

예, 90%는 데이터 마이닝 10% 모델 선택입니다.

+100!
 
유리 아사울렌코 :

따라서 곧 광산 전략을 위해 광산 농장을 시작해야 합니다.


자, 이제 상황은 다음과 같습니다. 이전에 매우 멋진 작업을 수행한 봇은 짧은 거리를 선택하고 포워드는 50에서 50으로 작동합니다. 즉, 시장이 바뀌지 않았다면 +, 바뀌었다면 - 개선할 수 있고, 더 많은 Reshetov 뉴런을 채우거나 퍼지 논리를 기반으로 하는 버전이 있습니다. 더 멋지게 작동하지만 최적화된 가중치가 증가합니다. 즉, 원칙적으로 클라우드에서 하루동안 훈련하고 대가를 치루면.. 모르겠다.. 100불이면 아마 장수하고 이익을 보며 기뻐해야겠지만 정신적으로 아직 준비가 덜 된 상태 그런 긴 훈련을 위해. 두 번째 옵션은 자체 최적화 시스템으로 아직 준비되지 않았습니다. 최적화 프로그램 없이 자동으로 재훈련됩니다. 이 변수가 더 마음에 들지만 아직 명확하지 않습니다. :)

 
막심 드미트리예프스키 :

자, 이제 상황은 다음과 같습니다. 이전에 매우 멋진 작업을 수행한 봇은 짧은 거리를 선택하고 포워드는 50에서 50으로 작동합니다. 즉, 시장이 변경되지 않은 경우 +, 변경된 경우 마이너스입니다. 개선할 수 있고, 더 많은 Reshetov 뉴런을 채우거나 퍼지 논리를 기반으로 하는 버전이 있습니다. 더 멋지게 작동하지만 최적화된 가중치가 증가합니다. 즉, 원칙적으로 클라우드에서 하루동안 훈련하고 대가를 치루면.. 모르겠다.. 100불이면 아마 장수하고 이익을 보며 기뻐해야겠지만 정신적으로 아직 준비가 덜 된 상태 그런 긴 훈련을 위해. 두 번째 옵션은 자체 최적화 시스템으로 아직 준비되지 않았습니다. 최적화 프로그램 없이 자동으로 재훈련됩니다. 이 변수가 더 마음에 들지만 아직 명확하지 않습니다. :)

옵티마이저가 무엇인지 이해하지 못하셨나요?

내가 들을 때 - 옵티마이저, 테스터 옵티마이저 MT와 나쁜 연관성이 있습니다.

 
유리 아사울렌코 :

옵티마이저가 무엇인지 이해하지 못하셨나요?

내가 들을 때 - 옵티마이저, 테스터 옵티마이저 MT와 나쁜 연관성이 있습니다.


예, 왜 좋지 않습니까? MO는 AI가 발명될 때까지 본질적으로 최적화입니다.

유전학은 MO에도 적용됩니다.

 
막심 드미트리예프스키 :

예, 왜 좋지 않습니까? MO는 AI가 발명될 때까지 본질적으로 최적화입니다.

유전학은 MO에도 적용됩니다.

"최적화" 기준이 중요합니다. 최대 이익을 위한 최적화는 그다지 좋지 않습니다. 좋은 기준. 동시에, 특히 포럼에서 실제로 자주 볼 수 있는 미래에 이것이 어떻게든 작동할 것이라고 믿을 이유가 없습니다.
사유: