Discussão do artigo "Metamodelos em aprendizado de máquina e negociação: Tempo original das ordens de negociação" - página 11
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
Provavelmente, isso significa que os atributos e rótulos são criados por meio de funções, portanto, automaticamente.
Provavelmente.
Quando aplicado a novos dados, o modelo já treinado é usado, você não precisa excluir nada.
E ao inicializar o início do treinamento, por que excluí-lo? Não me apego às palavras, apenas não entendo - fizemos a marcação uma vez no início e, em seguida, marcamos novamente imediatamente..... Não entendo esse ponto.
Se você quiser o mesmo - faça com que a duração mínima e máxima da negociação seja a mesma, min=max
Não, eu só quero testar minha amostragem e, para isso, preciso entender o que precisa ser removido.
Provavelmente.
E ao inicializar o início do treinamento, por que excluí-lo? Não me apego às palavras, apenas não entendo - fizemos a marcação uma vez no início e, em seguida, fazemos a marcação novamente logo depois.... Não entendo esse ponto.
Não, só quero tentar minha amostragem e, para isso, preciso entender o que precisa ser removido ali.
Se houver interesse, posso lançar outras variantes de realizações mais "claras" e simples. Porque esta é um pouco difícil de entender. Há muitas suposições aqui e você pode ficar confuso.
Se houver interesse, posso lançar outras variantes de realizações mais "claras" e simples. Porque esta é um pouco difícil de entender. Há muitas suposições aqui, você pode ficar confuso.
Estou interessado em qualquer exemplo de código com pouca descrição, pois ainda não entendo muito bem o código python.
Estou interessado em qualquer exemplo de código com pouca descrição, pois ainda não entendo muito bem o código python.
Python é muito simples. Literalmente, alguns livros "Python for Complex Problems" (Python para problemas complexos) abordam o uso de pacotes básicos como numpy, pandas e sklearn. E Mark Lutz - Learning Python, Volume 1. O segundo é sobre classes, não precisa de muito.
Obrigado pela recomendação. Python pode ser fácil, mas minha memória ficou ruim, então é difícil aprender coisas novas.
A coluna "close" (fechar) depois de criar uma amostra com dois alvos envolvidos em outro lugar, ou ela pode ser preenchida com zeros?
Em geral, tenho dados neste formato em um arquivo csv
Dessa forma, eu os faço parecer como descrito no artigo por meio deste código
# Загрузите данные из файлов Load_train_data = pd.read_csv('E:\\FX\\MT5_CB\\MQL5\\Files\\Catboost_Tester_M02_104_SMO\\Setup\\train.csv',sep=';') # Сохранили предикторы train_data = Load_train_data.loc[:, :'iVolumes_B0_S15_D1'] # Сохранили значения целевой train_labels = Load_train_data['Target_100'] # Преобразование столбца 'Time' в формат datetime Load_train_data['Time'] = pd.to_datetime(Load_train_data['Time'], format='%Y.%m.%d %H:%M:%S') # Преобразование обратно в строку с нужным форматом #Load_train_data['Time'] = Load_train_data['Time'].dt.strftime('%Y-%m-%d %H:%M:%S') # Сохранили значение столбца train_taime = Load_train_data['Time'] # Вывод результата print(train_taime) # Создали новый DataFrame объединением столбцов combined_data = pd.concat([train_taime, train_data, train_labels], axis=1) # Добавили новый столбец "close" после "train_taime" со значениями "1.1" combined_data.insert(combined_data.columns.get_loc('Time') + 1, 'close', 1.1) # Переименовали столбец "Target_100" в "labels" combined_data.rename(columns={'Target_100': 'labels'}, inplace=True) # Добавили столбец с данными из train_labels combined_data['meta_labels'] = train_labels pr = combined_data # Вывод результата print(combined_data)Imprime assim
Em seguida, comento as funções em seu ano
Recebo um erro
Traceback (most recent call last): File "F:/FX/Python/meta_modeling_Viborka.py", line 386, in <module> res.append(brute_force(pr[pr.columns[1:]], bad_samples_fraction=0.5)) File "F:/FX/Python/meta_modeling_Viborka.py", line 128, in brute_force X = X[X.index >= START_DATE] File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\common.py", line 81, in new_method return method(self, other) File "C:\Program Files\Python38\lib\site-packages\pandas\core\arraylike.py", line 60, in __ge__ return self._cmp_method(other, operator.ge) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\range.py", line 964, in _cmp_method return super()._cmp_method(other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\indexes\base.py", line 6783, in _cmp_method result = ops.comparison_op(self._values, other, op) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 296, in comparison_op res_values = _na_arithmetic_op(lvalues, rvalues, op, is_cmp=True) File "C:\Program Files\Python38\lib\site-packages\pandas\core\ops\array_ops.py", line 171, in _na_arithmetic_op result = func(left, right) File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 239, in evaluate return _evaluate(op, op_str, a, b) # type: ignore[misc] File "C:\Program Files\Python38\lib\site-packages\pandas\core\computation\expressions.py", line 70, in _evaluate_standard return op(a, b) TypeError: '>=' not supported between instances of 'int' and 'datetime.datetime' >>>Quero testá-lo, mas não consigo :(
TypeError: '>=' not supported between instances of 'int' and 'datetime.datetime'
A primeira coisa que notei é que você tem os índices de dataframe errados, deveria ser datetime, ou seja, a coluna de tempo deveria ser indexada
A primeira coisa que notei é que você está com os índices de dataframe errados; deveria ser datetime, ou seja, a coluna de tempo deveria ser indexada
E como um valor idex (0,1,2) pode ser comparado a uma data de calendário?