Aprendizado de máquina no trading: teoria, prática, negociação e não só - página 2453

[Igor Makanu]

Andrey Dik #:
de certeza.

no entanto, ninguém proíbe o uso de métricas mais complexas e/ou complexas. a idéia básica é adicionar à função fitness uma métrica para pesos e saídas NS.

Não sei, mas na minha opinião funcionará se os dados de entrada forem normalizados qualitativamente (uniformemente) e apenas para uma Perspectron regular de várias camadas.

e se você usar pacotes NS fora da prateleira, suas novas métricas serão estragadas

embora talvez você esteja procurando algo semelhante à otimização do recozimento, mas mais uma vez, as técnicas são descritas, o propósito de criar uma bicicleta não é claro, e ainda mais o quanto ela é confiável e como avaliá-la, imho

[Aleksey Nikolayev]

É melhor começar a reinventar a roda para modelos mais simples em pequena escala, por exemplo, a regressão linear. Em primeiro lugar, observe atentamente as opções já disponíveis para adicionar coeficientes à função perda (regressão de cristas e laço, critério da Akaike, etc.)

[Vladimir Perervenko]

Andrey Dik #:

num teste...? o teste é o mesmo que a derivada de uma função, pode ser a mesma curva, tangente ao mesmo ponto, mas a duas funções diferentes.

Percebeste o que disseste? É um conjunto de palavras sem sentido.

[mytarmailS]

Vladimir Perervenko #:

О !! Olá Vladimir, o que é que você não ouve há muito tempo foi, sentiu muita falta dos seus artigos, não escreve nada de novo? Talvez sobre outros recursos?

Há também uma pergunta para você, há uma "otimização Gaussiana" (tenho certeza que você conhece), parece ser o método de busca mais eficaz para funções "pesadas", mas eu não consigo obter bons resultados com ele, aqui está meu exemplo, você pode fazer um comentário sobre minha pergunta, por que ele funciona.

[Andrey Dik]

Vladimir Perervenko #:

Entendes o que estás a dizer? O conjunto de palavras não faz sentido.

não sabes o que é "derivado"? desculpa....

[mytarmailS]

Andrey Dik #:don't know what 'derivative' is? sympathy....

sente pena de ti próprio, com os teus poderes dedutivos...

[Vladimir Perervenko]

mytarmailS #:

О !! Olá Vladimir, o que é que não ouves há muito tempo, senti mesmo falta dos teus artigos, não escreves nada de novo? Talvez sobre outros recursos?

Há também uma pergunta para você, há uma "gauss optimization" (tenho certeza que você sabe) , este é o método de busca mais eficaz para funções "pesadas", mas eu não posso obter bons resultados com ele aqui é o meu exemplo, você pode dar um comentário sobre a minha pergunta, por que assim obter.

Saudações. Os artigos que usam R no site são tabu. É por isso que não vai haver nenhum.

Em relação à sua pergunta, quer obter uma resposta aqui ou em Stoke? Há muitos erros e um deles é fundamental.

[mytarmailS]

Vladimir Perervenko #:

1) Saudações. Os artigos que usam R no site são tabu. Portanto, não vai haver nenhuma.

2) Sobre a sua pergunta você quer uma resposta aqui ou sobre Stoke? Há lá muitos erros e um deles é fundamental.

1) Que pena.

2) Onde é mais conveniente para você, é interessante saber sobre todos os meus erros, tanto principais como não principais...

P.S. Eu sei que apliquei uma aproximação contínua ao problema da otimização discreta.

=====

Tenho um pacote relativamente novo em conjunto com o mt5, ainda não o experimentaste?

https://github.com/Kinzel/mt5R

[Vladimir Perervenko]

mytarmailS #:

1) Que pena.

2) Onde é mais conveniente para si, é interessante saber de todos os meus erros, tanto fundamentais como não tanto...

P.S. Que eu tenho aplicado uma aproximação contínua ao problema para uma otimização discreta que eu conheço.

=====

Tenho um pacote relativamente novo em conjunto com o mt5, ainda não o experimentaste?

https://github.com/Kinzel/mt5R

1. Não é relevante para 5. Tudo funciona com MetaTrader5(Py). Mas pode ser verdade para o MT4.

2. Um erro fundamental. Ambos os pacotes (mco e Gpareto) são projetados para otimização multiobjetivo e multi-critério de funções, ou seja, para encontrar os parâmetros ideais de várias funções que lhes dão o resultado mínimo. Eles fazem-no por métodos diferentes.

Mas você está tentando usar uma função para conseguir uma frente de Pareto. Aqui está o seu exemplo reescrito (não é a melhor escolha de funções usando probabilidades, a propósito)

set.seed(4023)
mins <- function(x, n = 1 L) cumsum(rnorm(n, 0, x))
mins1 <- function(x, n = 1 L)cumsum(rnorm(n,0, x*0.5))

up <-  rep(5,2)
dw <- rep(1,2)

Duas funções com parâmetros sd diferentes e limites superior e inferior. A função objetiva está abaixo.

#--------------------------------------------
 fit <- function(x){
    y1 <- mins(x[1])#  cumsum(rnorm(1, 0, x[1]))
    y2 <- mins1(x[2])  #    cumsum(rnorm(1,0, x[2]*0.5))
    #y <- cbind(y1, y2)
    return( c(y1, y2) )}

Fn <- fit(c(4,4))
> Fn
[1] 0.4244075 3.5528975

E otimização propriamente dita.

library(mco)

OPT1 <- nsga2(fn = fit,idim = 2,odim = 2,
                   lower.bounds = dw,
                   upper.bounds = up,
                   popsize = 100)
res_OPT1 <- c(floor(tail(OPT1$par,1)))
> res_OPT1
[1] 4 4

Parâmetros ideais para estas funções com(4, 4). Visualização de ParetoFront + ParetoSet

plot(OPT1)

Os pontos azuis são ParetoFront, ou seja, o conjunto de valores de funções objetivas. Os pontos vermelhos são ParetoSet, ou seja, os valores dos parâmetros que dão o valor mínimo da função. Estes valores podem ser encontrados

> paretoFront(OPT1)
            [,1]      [,2]
 [1,] -18.768766 -0.919960
 [2,] -16.563714 -4.075318
 [3,] -11.689811 -4.511709
 [4,]  -2.924055 -6.256807
 [5,]  -1.801073 -9.175708
 [6,]  -5.438790 -5.876476
 [7,]  -9.924184 -5.006235
 [8,]  -9.150563 -5.749592
 [9,]  -2.565944 -8.321299
[10,]  -5.653256 -5.808398

> paretoSet(OPT1)
          [,1]     [,2]
 [1,] 4.651688 4.830462
 [2,] 4.812924 4.374282
 [3,] 4.692132 4.589676
 [4,] 4.998786 4.715230
 [5,] 4.960933 4.696511
 [6,] 4.973955 4.245543
 [7,] 4.708673 4.946008
 [8,] 4.630083 4.242298
 [9,] 3.913589 4.553322
[10,] 4.655140 4.648080

Após o arredondamento, obtemos o valor ótimo de c(4,4). A variante com Gpareto no próximo post

[mytarmailS]

Vladimir Perervenko #:

1. Isto não é relevante para 5. Tudo funciona com a biblioteca padrão MetaTrader5(Py). Mas para o MT4 - talvez.

É apenas para Py, é um novo pacote, o próprio nome é mt5R.

Vladimir Perervenko # :

2. Um erro fundamental. Ambos os pacotes (mco e Gpareto) são concebidos para multi-objectivos

Sim, eu entendo que preciso de uma optimização multiobjectivo.

Vladimir Perervenko #:

Você está tentando conseguir uma frente de Pareto usando uma função. Aqui está o seu exemplo reescrito (a propósito, não é a melhor escolha de funções usando probabilidades)

A minha função de aptidão simples procura apenas o índice vectorial de um ponto que é um mínimo em termos de algoritmo.

Idealmente o algoritmo produzirá dois índices, estes dois índices serão índices de mínimos no vector

Pensei que não havia diferença na busca por dois mínimos em um vetor ou um mínimo em dois vetores.

A minha simples aptidão física não é um modelo do meu problema, eu só queria fazer uma comparação simples e visual dos algoritmos para mim

Vladimir Perervenko #:

Parâmetros ideais para estas funções com(4, 4). Visualização ParetoFront + ParetoSet

Não entendo o que faz a sua função física, conheço todo o código, mas não consigo entender o essencial)