Bibliotecas: Algoritmos RL - página 2
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Se os métodos primitivos podem encontrar padrões, então o aprendizado de máquina é ainda mais obrigado a encontrar tudo isso.
Que ele se aproxima de alguns padrões
Acho que entre essas duas frases está a verdade, que permitirá criar um TS viável capaz de se adaptar ao mercado, algo semelhante à biblioteca BestInterval, ou seja, o próprio RandomForest como fonte de sinais para entradas e saídas, muito provavelmente, será apenas um ajuste no histórico, e se o RandomForest puder filtrar (ou adaptar) um TS relativamente viável - essa é uma área interessante de pesquisa.
ZY: o tempo é um problema, eu não o tenho.
PSPS: de alguma forma, consegui travar minha postagem anterior ))))))).
Obrigado por fazer o upload :)))
Sugiro que você adicione uma função separada para a transformação de recursos, para que possa adicionar quantos polinômios quiser
Mais uma vez, você não precisa escrever código dentro do RDF :))))))
Recomendei algo parecido há muito tempo:
Olá, você pode deixar o código completo aqui :) Vou anexá-lo mais tarde
Oi Maxim,
Você tem alguma solução para lidar com o treinamento de dados grandes?
Quero dizer que, se eu estiver recebendo mais de 10 MB, o EA não será executado...
Portanto, minha pergunta é: "Existe uma maneira de lidar com esse problema?
instalar apenas menos árvores
O RDF tem arquivos grandes com estrutura sempre
parar de excluir tudo ))
instalar apenas menos árvores
O RDF tem arquivos grandes com estrutura sempre
parar de excluir tudo)))
Ok, desculpe ... Esqueci que o tópico é seu :)))
Não vou excluir seus comentários em seu tópico :)))))
Além disso, parece que treinar com dados grandes é a chave para o sucesso do RDF.
Agora, vou testá-lo após o treinamento de 1 a 5 anos de dados.
Erro de divisão por zero em "RL recursive.mqh".....
Nessa biblioteca, 1 preditor/outro preditor. Portanto, talvez você tenha colocado preditores com zeros
Boa tarde.
Talvez valha a pena criar uma propriedade de enumeração que defina o método de treinamento para um agente, ou uma função que permita definir arbitrariamente o método de treinamento para um agente específico. (Métodos de treinamento na forma de funções em um módulo). Será possível criar coleções misturadas por método de aprendizado. Como você vê isso?
Nessa biblioteca, 1 preditor / outro preditor. Portanto, talvez você tenha colocado preditores com zeros
Não adicionei nada ao EA ou à biblioteca. Acabei de testar a biblioteca padrão e o EA que você carregou e recebi esse erro.
De qualquer forma, vou descobrir isso quando for usá-lo. Agora não estou usando: ))))))
Boa tarde.
Talvez valha a pena criar uma enumeração de props que defina o método de treinamento para um agente, respectivamente uma função que permita definir arbitrariamente o método de treinamento para um agente específico. (Métodos de treinamento na forma de funções em um módulo). Será possível criar coleções misturadas por método de aprendizado. Qual é a sua opinião sobre isso?
É possível, mas é um labirinto para mim.... :) Ainda haverá experimentos com diferentes variantes, agora outra será adicionada (linear).