Машинное обучение в трейдинге: теория, модели, практика и алготорговля - страница 581

 
Grigoriy Chaunin:

Выложена новая версия библиотеки для подключения Питон к МТ5. Напоминаю ссылку https://github.com/RandomKori/Py36MT5 Но есть проблемы. В Визуал студио тестовый проект работает как надо, а в МТ есть непонятные проблемы. Теперь библиотека нормально работает с каталогом в котором находиться скрипт Питон. Как отладить связку с МТ не представляю. МТ защищен от отладчика. Может кто знает как отладить?


я так понял все-таки поддержки питона в MT5 не планируется :( только редактор какой-то

ну и ладно :)

 

Да, не планируется. Ту проблему о которой писал выше я решил. Но это еще не все. Пока можно запускать всего один скрипт на терминал. Буду думать, что с этим делать.

 
СанСаныч Фоменко:
Например, randomForest.....
Самый интересный и эффективный алгоритм из этой же породы - это ada..

Фа, хватит куйню нести. Леса и бустинг разные вещи. Давай практическое применение гархов)))

 

How to make your machine learning model available as an API with the plumber package

How to make your machine learning model available as an API with the plumber package
How to make your machine learning model available as an API with the plumber package
  • Dr. Shirin Glander
  • www.r-bloggers.com
Let’s say we have trained a machine learning model as in this post about LIME. I loaded a data set on chronic kidney disease, did some preprocessing (converting categorical features into dummy variables, scaling and centering), split it into training and test data and trained a Random Forest model with . We can use this trained model to make...
 
Vizard_:

Фа, хватит куйню нести. Леса и бустинг разные вещи. Давай практическое применение гархов)))


Не волнуйся, разные, но на том уровне, на котором ведется обсуждение .. 

Хочу заметить, что ada дает лучше результат, чем rf: и точнее и менее склонна к переобучению. И пользоваться надо ada, а не rf. 

Так что не просто так все в кучу.

С GARCH заело - слишком сложно. Пока пробился через ARIMA, а еще GARCH и распределение.

 

Узнал что в машинном обучении используется такая вещь как конструирование признаков. На одной цене далеко не уедешь. Признак в нашем случае это некая функция от цены. Вопрос в том какие функции использовать. Тупо перебирать индикаторы с разными параметрами не вариант. Интересны материалы по этой теме. Гугл как всегда выдает всякую фигню, вернее ничего не выдает по теме. Искал в рунете. Может кто-нибудь знает материалы по теме.

ПС. Начинать нужно сначала. Вот когда научился конструировать признаки не на обум, можно переходить к их отбору.

 
Grigoriy Chaunin:

Узнал что в машинном обучении используется такая вещь как конструирование признаков. На одной цене далеко не уедешь. Признак в нашем случае это некая функция от цены. Вопрос в том какие функции использовать. Тупо перебирать индикаторы с разными параметрами не вариант. Интересны материалы по этой теме. Гугл как всегда выдает всякую фигню, вернее ничего не выдает по теме. Искал в рунете. Может кто-нибудь знает материалы по теме.

ПС. Начинать нужно сначала. Вот когда научился конструировать признаки не на обум, можно переходить к их отбору.


полно материалов на эту тему на этой ветке.

 

Привет!


Ну как там,  супер-бот сделали??? 

 
СанСаныч Фоменко:

Не волнуйся, разные, но на том уровне, на котором ведется обсуждение .. 

Хочу заметить, что ada дает лучше результат, чем rf: и точнее и менее склонна к переобучению. И пользоваться надо ada, а не rf. 

Так что не просто так все в кучу.

С GARCH заело - слишком сложно. Пока пробился через ARIMA, а еще GARCH и распределение.


На том уровне, на котором ведется обсуждение, вы даже не знали ка определяется важность предикторов в РФ, подсунув какую-то ерунду про отжиг и проч без объяснений (это здесь вообще причем?)

Кто сказал, где бенчи именно для применения на форексе? почему Ada а не GBM? в ваших ответах слишком много размытых абстракций.  В реальности прирост будет не более 5% при большей переобученности.

 
Alexander Ivanov:

Привет!


Ну как там,  супер-бот сделали??? 


Причина обращения: