Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 3701

[Aleksey Nikolayev]

Renat Fatkhullin #:

Уже есть давно: https://www.mql5.com/ru/docs/matrix/matrix_manipulations/matrix_sort

Почему то у меня (версия 5100) так:

void OnStart()
{  vector v = {0, 1};
   matrix m = {{0, 1}, {2, 3}};
   v.Sort();
   m.Sort(0);
}

// 'Sort' is not a member of 'vector' type      test_sort_matrix.mq5    4       6
// 'Sort' is not a member of 'matrix' type      test_sort_matrix.mq5    5       6
// 2 errors, 0 warnings         2       0

[fxsaber]

Aleksey Nikolayev #:

Почему то у меня (версия 5100) так:

Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий

Новая версия платформы MetaTrader 5 build 4620: исправления ошибок в MQL5 и новые методы OpenBLAS

Rashid Umarov, 2024.10.15 16:41

По информации от разработчиков, функция была сознательно отключена на время переезда на новый компилятор. Когда вернут обратно — пока неизвестно.

[Aleksey Nikolayev]

fxsaber #:

Спасибо! Почему-то не заметил этого (

[[Удален]]

Aleksey Nikolayev #:

Похоже, параметрический подход, когда распределение берётся из какого-то параметрического семейства:

Our approach is to assume
Pθ (y|x) is of a specified parametric form, then estimate the
p parameters θ ∈ Rp of the distribution as functions of x

Пока не понял, насколько свободно можно выбирать семйство распределений.

В целом, параметрический подход хорош тем, что позволяет работать с меньшими выборками. Плох он меньшей гибкостью, но это можно отчасти компенсировать свободой выбора параметрического семейства распределения.

Для бинарной классификации - распределение Бернулли. Выбор без выбора :)

https://stanfordmlgroup.github.io/ngboost/1-useage.html

[Aleksey Nikolayev]

Maxim Dmitrievsky #:

Для бинарной классификации - распределение Бернулли. Выбор без выбора :)

https://stanfordmlgroup.github.io/ngboost/1-useage.html

))

Да, для классификации вероятностный подход конечно не даёт ничего нового. Только для регрессии, когда выходом будет не числовое значение, а его распределение.

Имхо, этот подход неплохо ложится на метод, когда ищутся отклонения распределения выхода от того что должно быть при СБ.

Ну, в теории хотя бы) На практике нас всех ждёт завод, конечно)

[[Удален]]

Aleksey Nikolayev #:

))

Да, для классификации вероятностный подход конечно не даёт ничего нового. Только для регрессии, когда выходом будет не числовое значение, а его распределение.

Имхо, этот подход неплохо ложится на метод, когда ищутся отклонения распределения выхода от того что должно быть при СБ.

Ну, в теории хотя бы) На практике нас всех ждёт завод, конечно)

Да, оно стремно как-то работает в плане поиска чего-то через МО (классификацию или регрессию). Слишком много переменных и модели слишком сложные, все время дают разные результаты.

Кластаризация или HMM больше нравятся.

[Renat Fatkhullin]

Aleksey Nikolayev #:

Почему то у меня (версия 5100) так:

Оказывается, отложили, а в документации осталось.

Ну теперь точно будем доделывать.

[Clent Quilang]

Alexey Burnakov:

Добрый день всем,

Я знаю, что на форуме есть любители машинного обучения и статистики. Предлагаю обсудить в этой теме (без холиваров), поделиться и пополнить собственный банк знаний в этой интересной области.

Для начинающих и не только есть хороший теоретический ресурс на русском языке: https: //www.machinelearning.ru/.

Небольшой обзор литературы по методам отбора информативных признаков: https://habrahabr.ru/post/264915/.

Я предлагаю проблему номер один. Ее решение я опубликую позже. СанСаныч ее уже видел, прошу не подсказывать ответ.

Введение: для того чтобы построить торговый алгоритм, необходимо знать, какие факторы будут основой для прогнозирования цены, или тренда, или направления открытия сделки. Выбор таких факторов - задача не из легких, и она бесконечно сложна.

Во вложении архив с искусственным набором данных csv, который я сделал.

Данные содержат 20 переменных с префиксом input_, и одну крайнюю правую переменную output.

Выходная переменная зависит от некоторого подмножества входных переменных(подмножество может содержать от 1 до 20 входных переменных).

Задача: с помощью любых методов (машинного обучения) выбрать входные переменные, по которым можно определить состояние выходной переменной на имеющихся данных.

Решение можно выложить здесь в виде: input_2, input_19, input_5 (пример). А также можно описать найденную зависимость между входными и выходными переменными.

Кто сможет это сделать, молодец ) От меня готовое решение и объяснение.

Алексей

Вау! Спасибо за это!

[[Удален]]

Есть вариант нагенерить разных рыночных режимов, которые неплохо работают на новых данных, залить в кодобазу в виде onnx. Затем можно использовать для оптимизации любых ТС на выбранных режимах рынка. Мне кажется, что такой подход может залететь. От юзеров ничего не надо, кроме простой проверки на наличие конкретного режима. Остальная логика своя.

[Evgeni Gavrilovi]

Maxim Dmitrievsky #:
Есть вариант нагенерить разных рыночных режимов

А колдун какие признаки использовал для кластеризации? Рассказывал?