Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 2981

[Renat Akhtyamov]

mytarmailS #:

Если управлять периодами машек в динамике то получаеться хорошая ТС на машках

более того можно пытаться прогнозировать какие периоды у машек будут прибыльны  в будущем 

пробую разные вариации фитнес функций

поздравляю ;)

раскрыта одна из первых моих фишек

на сколько помню, я подставлял вместо периода преобразованное значение индикатора волатильности

кажись АТР

[mytarmailS]

Renat Akhtyamov #:

поздравляю ;)

раскрыта одна из первых моих фишек

на сколько помню, я подставлял вместо периода преобразованное значение индикатора волатильности

кажись АТР

Поздрвляю ! эта фишка называеться "адаптивная фильтрация"  "ЦОС"  лет этой фишке около 70ти

[Renat Akhtyamov]

mytarmailS #:

Поздрвляю ! эта фишка называеться "адаптивная фильтрация"  "ЦОС"  лет этой фишке около 70ти

меня поздно

я ее уже выбросил на помойку, примерно уже лет 12 назад

две МАшки - это черепашьи бега

т.е. смотрится красиво, а использовать хлопотно

;)

[mytarmailS]

наткнулся на такой вопрос от питониста к коду по R

У меня легкий шок в перемешку со смехом..

вот как задача решаеться на питоне

def to_supervised(train, n_input, n_out):
    X, y = list(), list()
    in_start = 0
    # step over the entire history one time step at a time
    for _ in range(len(data)):
        # define the end of the input sequence
        in_end = in_start + n_input
        out_end = in_end + n_out
        # ensure we have enough data for this instance
        if out_end <= len(data):
            x_input = data[in_start:in_end, 0]
            x_input = x_input.reshape((len(x_input), 1))
            X.append(x_input)
            y.append(data[in_end:out_end, 0])
        # move along one time step

        in_start += 1
    return array(X), array(y)

а вот так на  R

em <- embed(x = 1:10,dimension = 6)[,6:1]
e1 <- em[,1:3]
e2 <- em[,4:6]

Так сказать почуствуй разницу, какой ЯП создан для работы с данными , а какой просто косит 

[Maxim Kuznetsov]

mytarmailS #:

наткнулся на такой вопрос от питониста к коду по R

У меня легкий шок в перемешку со смехом..

вот как задача решаеться на питоне

а вот так на  R

Так сказать почуствуй разницу, какой ЯП создан для работы с данными , а какой просто косит 

это ты на MQL строки не считал :-) ЯП для работы с данными

[mytarmailS]

Maxim Kuznetsov #:

это ты на MQL строки не считал :-) ЯП для работы с данными

даже думать об этом не хочу ))

[Renat Fatkhullin]

Maxim Kuznetsov #:

это ты на MQL строки не считал :-) ЯП для работы с данными

Это просто вы не в курсе нового функционала штатных матричных методов MQL5:

• https://www.mql5.com/ru/docs/matrix

Большой шаг сделан в базовой матричной и векторной математике. Писать можно существенно короче.

[[Удален]]

mytarmailS #:

наткнулся на такой вопрос от питониста к коду по 

У меня легкий шок в перемешку со смехом..

вот как задача решаеться на питоне

а вот так на  R

Так сказать почуствуй разницу, какой ЯП создан для работы с данными 

Главное чтобы после смеха привкуса горечи не появилось

vec = [i for i in range(15)]    
matrix = [vec[i:i+7] for i in range(0, 14, 7)]
matrix2 = [vec[i:i+7] for i in range(1, 15, 7)]

через numpy еще короче будет. Займись чем-нибудь осмысленным.

[mytarmailS]

Maxim Dmitrievsky #:

Займись чем-нибудь осмысленным.

Например

[[Удален]]

mytarmailS #:

Например

Не знаю, казуалом