Discussão do artigo "Funcionalidades do Assistente MQL5 que você precisa conhecer (Parte 30): Normalização em Lote no Aprendizado de Máquina"

 

Novo artigo Funcionalidades do Assistente MQL5 que você precisa conhecer (Parte 30): Normalização em Lote no Aprendizado de Máquina foi publicado:

A normalização em lote é um pré-processamento dos dados antes de sua entrada em um algoritmo de aprendizado de máquina, como uma rede neural. Ao aplicá-la, é essencial levar em conta o tipo de ativação que será usado pelo algoritmo. Exploraremos diferentes abordagens para extrair vantagens com um EA construído no Assistente.

Assim como todos os outros desta série, o artigo foca no teste de novas ideias utilizando EAs construídos no Assistente. As informações introdutórias necessárias podem ser encontradas aqui e aqui. Esses dois artigos contêm algumas recomendações sobre o uso do código anexado ao final. Nesta análise, utilizamos um número considerável de enumerações personalizadas de dados como parâmetros de entrada otimizáveis. As enumerações nativas do MQL5 podem ser declaradas no cabeçalho do arquivo de sinal personalizado e serão listadas automaticamente como entradas, sendo inicializadas como parte do filtro de sinal. No entanto, se as enumerações forem personalizadas, colocá-las no cabeçalho tornará o arquivo invisível (ou não reconhecível) no Assistente MQL5, impedindo sua montagem. No momento, podemos contornar esse problema excluindo as enumerações do cabeçalho da classe de sinal personalizada, mas declarando os parâmetros e suas respectivas funções dentro da própria classe de sinal, como é comum para qualquer parâmetro de entrada. Após a montagem no Assistente, realizamos manualmente alterações na lista de parâmetros de entrada e inicializamos a classe de sinal para adicionar essa enumeração personalizada de parâmetros.


Autor: Stephen Njuki

 

Interessante!!!

Abraços