Maxim Dmitrievsky #: Não vejo nenhum prognóstico. Você pode ter epilepsia como em alguns desenhos animados japoneses, portanto, tenha cuidado com isso.
É de um livro didático sobre dinâmica não linear. O interessante é que todo o quadro é dado por uma fórmula de recorrência. Ou seja, sabendo o local onde você está e a direção do movimento, você pode dizer com alta probabilidade onde estará em algum momento.
Com relação à imagem anterior. Não tenho nenhum desejo de surpreender ninguém com minha superprevisão ou graal, e já indiquei que 10% do trabalho já foi feito.
Isso é de um livro didático sobre dinâmica não linear. O interessante é que todo o quadro é dado por uma fórmula de recorrência. Ou seja, sabendo o local onde você está e a direção do movimento, é possível dizer com alta probabilidade onde você estará em algum momento.
Com relação à imagem anterior. Não desejo impressionar ninguém com minha superprevisão ou meu graal, e observei que 10% do trabalho já foi feito.
Interessado em seus artigos, foi interessante estudar. Obrigado por esse trabalho.
Nunca me deparei com a tradução de uma rede para a biblioteca *.mqh. É possível traduzir a rede CNN para a biblioteca *.mqh?
Tenho uma conexão jupiter com o terminal por meio de arquivos de transferência de dados, o que não é muito conveniente.
Também gostaria de implementá-la. Por favor, diga-me onde posso procurar.
Obrigado.
Olá, é claro que você pode reescrever a arquitetura da rede e, em seguida, salvar os pesos para ela em cada retreinamento em um arquivo ou em mqh imediatamente
Продолжая тему нейронных сетей, предлагаю рассмотреть сверточные нейронные сети. Данный тип нейронных сетей был разработан для поиска объектов на изображении. Рассмотрим, как он может нам помочь в работе на финансовых рынках.
Warning (from warnings module):
File "D:\FX\Python\meta_modeling.py", line 26
pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
UserWarning: The argument 'infer_datetime_format'is deprecated and will be removed in a future version. A strict version of it is now the default, see https://pandas.pydata.org/pdeps/0004-consistent-to-datetime-parsing.html. Você pode remover esse argumento com segurança.
Não está claro se isso é crítico ou não para a operação correta, e como corrigi-lo?
"A seleção de preditores e a marcação de negociações são automáticas." - Não consegui encontrar no artigo onde está descrito o método automático de seleção de preditores?
"Os dados agora estão preparados para treinamento. É possível fazer uma repartição adicional dos rótulos principais ('rótulos') de acordo com os segundos rótulos ('meta_labels'), ou seja, excluir do conjunto de dados todas as negociações que se revelaram não lucrativas."
E como essa exclusão ocorre ao aplicar o modelo em novos dados no Expert Advisor?
Não consigo entender por que a marcação é diferente no estágio inicial. Isso é feito artificialmente, e é possível não fazer isso?
"A seleção de preditores e a marcação de negociações são automáticas." - Não consegui encontrar no artigo onde está descrito o método automático de seleção de preditores?
"Agora os dados estão preparados para treinamento. Você pode fazer repartições adicionais dos rótulos principais ('rótulos') de acordo com os segundos rótulos ('meta_labels'), ou seja, remover do conjunto de dados todas as negociações que se mostraram não lucrativas."
E como essa exclusão ocorre ao aplicar o modelo em novos dados no Expert Advisor?
Não consigo entender por que a marcação é diferente no estágio inicial. Isso é feito artificialmente e é possível não fazer isso?
Isso provavelmente significa que os sinais e rótulos são criados por meio de funções, portanto, são automáticos.
Quando aplicado a novos dados, o modelo já treinado é usado, não é necessário excluir nada.
A marcação é diferente - uma amostragem aleatória de negociações é escolhida porque não sabemos como marcar o gráfico corretamente. Se marcarmos o gráfico aleatoriamente muitas vezes e reiniciarmos o treinamento muitas vezes, então, de acordo com a lei dos grandes números....
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
Não vejo nenhum prognóstico. Você pode ter epilepsia como em alguns desenhos animados japoneses, portanto, tenha cuidado com isso.
É de um livro didático sobre dinâmica não linear. O interessante é que todo o quadro é dado por uma fórmula de recorrência. Ou seja, sabendo o local onde você está e a direção do movimento, você pode dizer com alta probabilidade onde estará em algum momento.
Com relação à imagem anterior. Não tenho nenhum desejo de surpreender ninguém com minha superprevisão ou graal, e já indiquei que 10% do trabalho já foi feito.
Isso é de um livro didático sobre dinâmica não linear. O interessante é que todo o quadro é dado por uma fórmula de recorrência. Ou seja, sabendo o local onde você está e a direção do movimento, é possível dizer com alta probabilidade onde você estará em algum momento.
Com relação à imagem anterior. Não desejo impressionar ninguém com minha superprevisão ou meu graal, e observei que 10% do trabalho já foi feito.
Desejo-lhe apenas boa sorte.
Obrigado.
Olá!
Interessado em seus artigos, foi interessante estudar. Obrigado por esse trabalho.
Nunca me deparei com a tradução de uma rede para a biblioteca *.mqh. É possível traduzir a rede CNN dessa maneira?
Tenho uma conexão entre o Jupiter e o terminal por meio de arquivos de dados, o que não é muito conveniente.
Também gostaria de implementá-la. Por favor, diga-me onde posso procurá-la.
Obrigado.
Olá!
Interessado em seus artigos, foi interessante estudar. Obrigado por esse trabalho.
Nunca me deparei com a tradução de uma rede para a biblioteca *.mqh. É possível traduzir a rede CNN para a biblioteca *.mqh?
Tenho uma conexão jupiter com o terminal por meio de arquivos de transferência de dados, o que não é muito conveniente.
Também gostaria de implementá-la. Por favor, diga-me onde posso procurar.
Obrigado.
Olá, é claro que você pode reescrever a arquitetura da rede e, em seguida, salvar os pesos para ela em cada retreinamento em um arquivo ou em mqh imediatamente
talvez seja possível usar um modelo pronto, como
Como não lido com redes, não posso lhe dizer sobre a complexidade da migração, pois isso provavelmente depende da complexidade da rede.
Estou recebendo um aviso
Não está claro se isso é crítico ou não para a operação correta, e como corrigi-lo?
def get_prices() -> pd.DataFrame: p = pd.read_csv('EURUSDMT5.csv', delim_whitespace=True) pFixed = pd.DataFrame(columns=['time', 'close']) pFixed['time'] = p['<DATE>'] + ' ' + p['<TIME>'] pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True) pFixed['close'] = p['<CLOSE>'] pFixed.set_index('time', inplace=True) pFixed.index = pd.to_datetime(pFixed.index, unit='s') pFixed = pFixed.dropna() pFixedC = pFixed.copy()Estou recebendo um aviso.
Não está claro se isso é crítico ou não para a operação correta e como corrigi-lo?
No novo pandas, substitua por
Nos novos pandas, substitua por
Sim, funcionou, obrigado.
Há alguns pontos pouco claros no artigo:
"A seleção de preditores e a marcação de negociações são automáticas." - Não consegui encontrar no artigo onde está descrito o método automático de seleção de preditores?
"Os dados agora estão preparados para treinamento. É possível fazer uma repartição adicional dos rótulos principais ('rótulos') de acordo com os segundos rótulos ('meta_labels'), ou seja, excluir do conjunto de dados todas as negociações que se revelaram não lucrativas."
E como essa exclusão ocorre ao aplicar o modelo em novos dados no Expert Advisor?
Não consigo entender por que a marcação é diferente no estágio inicial. Isso é feito artificialmente, e é possível não fazer isso?
Sim, funcionou, obrigado.
Há alguns pontos pouco claros no artigo:
"A seleção de preditores e a marcação de negociações são automáticas." - Não consegui encontrar no artigo onde está descrito o método automático de seleção de preditores?
"Agora os dados estão preparados para treinamento. Você pode fazer repartições adicionais dos rótulos principais ('rótulos') de acordo com os segundos rótulos ('meta_labels'), ou seja, remover do conjunto de dados todas as negociações que se mostraram não lucrativas."
E como essa exclusão ocorre ao aplicar o modelo em novos dados no Expert Advisor?
Não consigo entender por que a marcação é diferente no estágio inicial. Isso é feito artificialmente e é possível não fazer isso?