Uzun süredir R komut dosyalarında hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata tespit ettim. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
Uzun süredir R komut dosyalarında hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata tespit ettim. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
kimkarus:
Uzun süredir R betiklerinde hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata buldum. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
Bu ifade yanlıştır.
Test(dt, x) fonksiyonunda x, In() fonksiyonu tarafından hesaplanan giriş verisidir. Şimdi "i_SAE_fun.r" koduna bakalım
This article is dedicated to a new and perspective direction in machine learning - deep learning or, to be precise, deep neural networks. This is a brief review of second generation neural networks, the architecture of their connections and main types, methods and rules of learning and their main disadvantages followed by the history of the third generation neural network development, their main types, peculiarities and training methods. Conducted are practical experiments on building and training a deep neural network initiated by the weights of a stacked autoencoder with real data. All the stages from selecting input data to metric derivation are discussed in detail. The last part of the article contains a software implementation of a deep neural network in an Expert Advisor with a built-in indicator based on MQL4/R.
Bu, aşağıdaki sonuçlar için gerekli parametrelerin hangileri olduğunu benim için net olmayan bazı sonuçlar gösteriyorsunuz
Lütfen bana bu konuda yardımcı olur musunuz?
En iyisi,
Fábio
Merhaba Fabio,
Açık olmayan ne?
pr.OHLC <- function (o, h, l, c)
{
#Unite quote vectors into a matrix having previously expanded them
#Indexing of time series of vectors in R starts with 1.
#Direction of indexing isfrom old to new ones.
price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))
Med <- (price[, 2] + price[, 3])/2 #We calculateaverage price(HIgh + Low)/2
CO <- price[, 4] - price[, 1] # We calculatebodycandles (Close - Open)
#add Med and CO to the matrix
price <- cbind(price, Med, CO)#We are putting it all in a matrix
}
Vladimir Perervenko
Makaleye R Studio ile çalışma hakkında ek bilgi ekleyin
İyi günler.
Hosts dosyası hakkında bir şey anlamadım. Daha fazla ayrıntı verebilir misiniz?
İyi şanslar
Vladimir Perervenko
Makaleye R Studio ile çalışma hakkında ek bilgi ekleyin
Yüklü paketleri kontrol etmek için başka bir kayıt biçimi kullanıyorum:
Kütüphaneleri, onları kullanan fonksiyonların açıklamasında yüklemelisiniz. Yine de Uzman Danışmanı başlatırken bu şekilde yapabilirsiniz.
Öyleyse neden Uzman Danışmanı test cihazında çalıştırmanız gerekiyor?
İyi şanslar
Uzun süredir R komut dosyalarında hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata tespit ettim. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
Uzun süredir R komut dosyalarında hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata tespit ettim. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
Uzun süredir R betiklerinde hata ayıklarken, gelen verilerde NA varsa yakalanması zor bir hata buldum. Basitçe sinyali tetiklemeyecektir. "e_SAE_init.r" dosyasında, new.data <- predict(prepr, tail(x, 50)): x <- na.omit(x)'ten önce Test(dt,x) fonksiyonuna bir NA temizleme terimi eklenmesi önerilir;
Bu bir "koltuk değneği" gibi görünüyor, ancak henüz daha iyi bir şey düşünmedim.
Bu olmadan, gizli bir hata oluşacaktır:
Hata if (sqrt(denom) > .Machine$double.eps) x/sqrt(denom) else x * : TRUE/FALSE gereken yerde eksik değer
Bu ifade yanlıştır.
Test(dt, x) fonksiyonunda x, In() fonksiyonu tarafından hesaplanan giriş verisidir. Şimdi "i_SAE_fun.r" koduna bakalım
In <- function(p = 16){ require(TTR) adx <- ADX(price, n = p) ar <- aroon(price[ ,c('High', 'Low')], n = p)[ ,'oscillator'] cci <- CCI(price[ ,2:4], n = p) chv <- chaikinVolatility(price[ ,2:4], n = p) cmo <- CMO(price[ ,'Med'], n = p) macd <- MACD(price[ ,'Med'], 12, 26, 9)[ ,'macd'] osma <- macd - MACD(price[ ,'Med'],12, 26, 9)[ ,'signal'] rsi <- RSI(price[ ,'Med'], n = p) stoh <- stoch(price[ ,2:4], 14, 3, 3) smi <- SMI(price[ ,2:4],n = p, nFast = 2, nSlow = 25, nSig = 9) vol <- volatility(price[ ,1:4], n = p, calc="yang.zhang", N=96) In <- cbind(adx, ar, cci, chv, cmo, macd, osma, rsi, stoh, smi, vol) return(In) }Bu bir dizi göstergedir. Bunları 2000 bar uzunluğunda fiyat[] geçmişi üzerinde hesaplayalım.
Tanımlanmamış verileri kesiyoruz. Koşul : nrow(x) > 500 + max(NA). Yani en azından bizim durumumuzda 533. Güvende olmak için nrow(x) = 600-700 koyun.
X'te nasıl belirsiz bir NA elde ettiğinizi anlamıyorum.
İyi şanslar
Merhaba Vladimir,
İşte Brezilya'dan!!!
R kullanarak Sinir Ağı hakkındaki talimatlarınızı okudum ama aptalca bir sorum var (üzgünüm, bu konuda acemiyim!)
Yazdığınız eğitimde ( https://www.mql5.com/tr/articles/1103#ch_3),"Bölüm 3.3.1 - Kaynak Veri" kısmında pr.OHLC adında çok iyi anladığım bir fonksiyon tanımladınız.
Bu, aşağıdaki sonuçlar için gerekli parametrelerin hangileri olduğunu benim için net olmayan bazı sonuçlar gösteriyorsunuz
> head(price) Open High Low Close Med CO [1,] 1.33848 1.33851 1.33824 1.33844 1.338375 -4e-05 [2,] 1.33843 1.33868 1.33842 1.33851 1.338550 8e-05 [3,] 1.33849 1.33862 1.33846 1.33859 1.338540 1e-04 [4,] 1.33858 1.33861 1.33856 1.33859 1.338585 1e-05 [5,] 1.33862 1.33868 1.33855 1.33855 1.338615 -7e-05Lütfen bana bu konuda yardımcı olur musunuz?
En iyisi,
Fábio
Merhaba Vladimir,
İşte Brezilya'dan!!!
R kullanarak Sinir Ağı hakkındaki talimatlarınızı okudum ama aptalca bir sorum var (üzgünüm, bu konuda acemiyim!)
Yazdığınız eğitimde ( https://www.mql5.com/tr/articles/1103#ch_3),"Bölüm 3.3.1 - Kaynak Veri" kısmında pr.OHLC adında çok iyi anladığım bir fonksiyon tanımladınız.
Bu, aşağıdaki sonuçlar için gerekli parametrelerin hangileri olduğunu benim için net olmayan bazı sonuçlar gösteriyorsunuz
Lütfen bana bu konuda yardımcı olur musunuz?
En iyisi,
Fábio
Merhaba Fabio,
Açık olmayan ne?
pr.OHLC <- function (o, h, l, c) { #Unite quote vectors into a matrix having previously expanded them #Indexing of time series of vectors in R starts with 1. #Direction of indexing is from old to new ones. price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c)) Med <- (price[, 2] + price[, 3])/2 #We calculate average price (HIgh + Low)/2 CO <- price[, 4] - price[, 1] # We calculate body candles (Close - Open) #add Med and CO to the matrix price <- cbind(price, Med, CO)#We are putting it all in a matrix }Merhaba Vladimir,
MT5 için dosyalara sahip olma imkanı var mı?
Saygılarımla
Fabio lima
Merhaba Vladimir,
MT5 için dosyalara sahip olma imkanı var mı?
Saygılarımla
Fabio lima
Merhaba Fabio,
Özür dilerim.
MKL5 üzerine yazmıyorum.
Saygılarımla
Vladimir
Bir sorum var. Fiyat vektörünün sırası konusunda net değilim.
Burada bir tersine çevirme yaparsınız: price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))
O,H,L,C'nin orijinal sıralaması nedir?
Bir sorum var. Fiyat vektörünün sırası konusunda net değilim.
Burada bir tersine çevirme yaparsınız: price <- cbind(Open = rev(o), High = rev(h), Low = rev(l), Close = rev(c))
O,H,L,C'nin orijinal sırası nedir?
Merhaba,
MT4 numaralandırma çubukları en sondan en eskiye doğru. R tam tersine, eskiden yeniye, yeni çubuk en son.