Вопрос автоматической генерации признаков - весьма интересен конечно. Кто либо пробовал такой подход для трейдинга? Я видел программы делающие это, но там все очень сложно для внедрения, поэтому не стал разбираться. Поэтому важен вопрос интеграции этих преобразователей в MQL5, для использования в тех же ONNX моделях.
там в конце про пакет интересный говорят, можешь попробовать пошевелить
Боюсь завязнуть в этом и сложности с конвертацией в ботов будут. Делаю что-то похожее сам, полный цикл от нажатия кнопки "бабло" до получения бота на выходе. Тоже на автомате, в районе 10 минут.
Не располагаю командой кодеров, чтобы прикручивать большие чужие библы к своим маленьким задачам.
Боюсь завязнуть в этом и сложности с конвертацией в ботов будут. Делаю что-то похожее сам, полный цикл от нажатия кнопки "бабло" до получения бота на выходе. Тоже на автомате, в районе 10 минут.
Не располагаю командой кодеров, чтобы прикручивать большие чужие библы к своим маленьким задачам.
может onnx версию сделаю для метака
Да при чем тут этот... Onnx, что вы его всюду лепите...
Ты возьми готовое решение и проверь работает ли оно вообще для начала...
Если нет, то и суда не нет....
Если да, то тогда думай про своего бота и как его размещать, если бот аналог библы..
Попробовал поискать посредством ИИ, какие существуют варианты локальных алгоритмов вроде KNN и LWLR. Сказал что вообще нет такого понятия, а эти два относятся к memory-based типу, где просто хранится в памяти обучающая выборка. Помимо этих двух ещё назвал memory-based collaborative filtering, но это вроде тот же KNN.
Собственно, хотел поискать локальную версию решающих деревьев, но ИИ прямо сказал что такого не бывает.
Интересно, есть ли смысл пытаться запихнуть эти memory-based в ONNX файл, или лучше делать расчёт средствами MQL?
Интересное видео
https://www.youtube.com/watch?v=vOIotMC_PQY
FidoNet 2.0 значит - занятно :)
Вопрос автоматической генерации признаков - весьма интересен конечно. Кто либо пробовал такой подход для трейдинга? Я видел программы делающие это, но там все очень сложно для внедрения, поэтому не стал разбираться. Поэтому важен вопрос интеграции этих преобразователей в MQL5, для использования в тех же ONNX моделях.
там в конце про пакет интересный говорят, можешь попробовать пошевелить
Боюсь завязнуть в этом и сложности с конвертацией в ботов будут. Делаю что-то похожее сам, полный цикл от нажатия кнопки "бабло" до получения бота на выходе. Тоже на автомате, в районе 10 минут.
Не располагаю командой кодеров, чтобы прикручивать большие чужие библы к своим маленьким задачам.
может onnx версию сделаю для метакаБоюсь завязнуть в этом и сложности с конвертацией в ботов будут. Делаю что-то похожее сам, полный цикл от нажатия кнопки "бабло" до получения бота на выходе. Тоже на автомате, в районе 10 минут.
Не располагаю командой кодеров, чтобы прикручивать большие чужие библы к своим маленьким задачам.
может onnx версию сделаю для метакаДа при чем тут этот... Onnx, что вы его всюду лепите...
не работает
не работает
Пробовал библу?
не будет такое работать, оно для других ВР
я нашел что работает, вернее придумал. Делаю разные варианты, смотрю какие лучше.Попробовал поискать посредством ИИ, какие существуют варианты локальных алгоритмов вроде KNN и LWLR. Сказал что вообще нет такого понятия, а эти два относятся к memory-based типу, где просто хранится в памяти обучающая выборка. Помимо этих двух ещё назвал memory-based collaborative filtering, но это вроде тот же KNN.
Собственно, хотел поискать локальную версию решающих деревьев, но ИИ прямо сказал что такого не бывает.
Интересно, есть ли смысл пытаться запихнуть эти memory-based в ONNX файл, или лучше делать расчёт средствами MQL?
Попробовал поискать посредством ИИ, какие существуют варианты локальных алгоритмов вроде KNN и LWLR
Что значит локальный алгоритм?
В том смысле, в котором локальны KNN и LWLR. Вывод зависит только от близких точек, а не от всего трейна.
Неважно, но пусть будет регрессия, с ней обычно проще.
В том смысле, в котором локальны KNN и LWLR. Вывод зависит только от близких точек, а не от всего трейна.