Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2127
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
У меня нет возможности зашить в MQL код категориальность :(
Хорошо, подам два...
А про Пи, так число может быть слишком большим - кто знает, какая точность требуется...
знаков 7 хватит
Та либа не работает с кат фичами?
Нет.
Нет.
видел эту книгу пару лет назад
на вид... ну да, завораживает , а реально - зачем? если цель написание диплома или кандидатской - да, это настольная книга
если цель временные ряды - то эта книга о другом, об изобретении случайного леса на заре развития ЭВМ
имхо, даже ансамбли НС плохо прижились для применения на практике, как ими работать с ВР? ну как вариант нагородит кучу-малу НС, а в итоге то получишь автоэкодер? - сомневаюсь, что даже сверточную сеть можно получить с помощью этой книги
старое знание, Воронцов актуальнее, ну и обработка данных - догрызаю онлайн-курсы по ВР - в этом что то есть ;)
Обучайте на питоне, там 2 строчки
Видимо я не понял вопрос.
Интерпретатора модели на MT5 нет с категоризационными предикторами, а CatBoost с командной строкой всё по идеи умеет, что и версия для питона, за исключением чисто питоновских вещей, таких как визуализация.
Видимо я не понял вопрос.
Интерпретатора модели на MT5 нет с категоризационными предикторами, а CatBoost с коммандной строкой всё по идеи умеет, что и версия для питона, за исключением чисто питоновских вещей, таких как визуализация.
Вы его вместе варганили, интерпретатор этот, или по вашему заказу? Ну вообще надо будет посмотреть чего там не хватает..
Это не коммерческий проект. Моя роль свелась к активному тестированию решения.
Если сможете разобраться, то будет хорошо для сообщества.
А вообще, пока не увидел, что б реально категориальные признаки давали прирост какой - но, пробовал уже очень давно, есть у меня предикторы описывающие локальные ситуации, как бы категориальные, но не зашли.
мультикласса нет, насколько понял
Ещё нет регрессии.
Ну я если сделаю, то это будет а виде парсера обученных моделей с питона в mql. Пока не горит, но может понадобится.
Да не важно, я могу сохранять модели и для питона.
А регрессия нафига?
Может быть полезна для моделей, работающий на установку стопов. Да и МАшку иногда нужно спрогнозировать через десяток баров :)
Какие фичи/преобразования дают хороший результат, из ваших?
Результат ценности предиктора зависит от целевой :) Сейчас как раз ставлю эксперимент по отбору лучших уровней квантования, те предикторы, что не прошли минимальный порог - отсеиваются. Пока рано говорить, но первые результаты положительны. Процесс долгий в однопоток - более суток. Нужно использовать больше критериев для оценки квантовых уровней - этим займусь - идея в том, что надо копать там, где есть сигнал. Дальше буду брать больше участки, фильтровать выборку и учится только там, где есть отклик - наверное уже генетическое дерево будет работать - добывать листья.
Я сделал интересную штуку, могу преобразовать любой датасет, размеченный или без меток, улучшив его
Это интересно - можно попробовать на том, что я ссылку выкладывал. Там правда есть ошибка в ряде предикторов (при сохранении писались как int, а не double - убрал свое квантование и забыл), но для относительного сравнения значения не имеет.
Кстати, если нужно посчитать что относительно тяжелое - могу посчитать - сейчас есть возможность.