"Rastgele Ormanlar Öngörü Trendleri" makalesi için tartışma
Yazıyı okurken aklıma gelen ilk düşünce "ne kadar kalitesiz bir çeviri" oldu.
Yazarın nereli olduğuna baktım - sonuçta bir çeviri olmadığı ortaya çıktı)))
В качестве инструмента для предсказания поведения валютных пар выберем систему R, которая идеально подходит для задач предсказания на финансовых рынках и, в частности, предсказания поведения валютных пар.
Kötü bir şey söylemek istemedim, sadece kulağa gelen düşünceler. Makale iyi olabilir, çok iyi olabilir......
Fikrin kendisiyle ilgileniyorum ( rastgele orman hakkında bir şey bilmiyordum). Yapay olarak empoze edilmiş bir araç. Onsuz tekrarlamak istiyorum - tam olarak ne yapıldığı, hangi veri vektörlerinin kullanıldığı açıkça belirtilmemiştir. Zikzak parametreleri atlanmış. Hedef kitle Rattle paketinin kullanıcıları mı? Ya da R'de yazanlar mı? Onların çalışması olmadan, makalenin birçok noktası anlaşılmaz. Sonuçlar başıboş - makaleden bu yönün umut verici olup olmadığı net değil. Ticaretle ilgili örnekler vermek mümkün olabilirdi. Genel izlenim - sanki dar bir çevre için yazılmış gibi.
PS. Makaleden TC.Rdata'yı açmaya çalışırken, aşağıdaki görünür:
Ошибка в sqrt(ncol(crs$dataset)) : нечисловой аргумент для математической функции Вдобавок: Предупреждение In rm(crs) : объект 'crs' не найден
Fikrin kendisiyle ilgileniyorum (rastgele orman hakkında bir şey bilmiyordum). Yapay olarak empoze edilmiş bir araç. Onsuz tekrarlamak istiyorum - tam olarak ne yapıldığı, hangi veri vektörlerinin kullanıldığı açıkça belirtilmemiştir. Zikzak parametreleri atlanmış. Hedef kitle Rattle paketinin kullanıcıları mı? Ya da R'de yazanlar mı? Onların çalışması olmadan makalenin birçok noktası anlaşılmaz. Sonuçlar başıboş - makaleden bu yönün umut verici olup olmadığı net değil. Ticaret örnekleri vermek mümkün olabilirdi. Genel izlenim sanki dar bir çevre için yazılmış gibi.
Çok seçici olduğunuz bir şey. Ben mesela matematikçi olmadığım için daha detaylı anlatılması gereken bazı noktalar dışında özü gayet iyi anladım.Örneğin, "ağaç yarılması" terimini tam olarak anlamadım, birkaç kez geçiyor ve bununla tam olarak ne kastedildiği açık değil. Ve sonuçlara gelince, ne sonuçlarına ihtiyacınız var? "Barikatlara gidin" mi? Örneğin ben, okuduktan sonra bir bisiklet icat ettiğimi, hazır bir çözüm kullanmak yerine benzer algoritmaları kendim icat etmeye çalıştığımı fark ettim.Anladığım kadarıyla ana fikir, R paketini istatistikle ilgilenen amatörler arasında popülerleştirmekti (ama "aptallar" için değil). Ve bence oldukça iyi sonuç verdi.
Fikrin kendisiyle ilgileniyorum (rastgele orman hakkında bir şey bilmiyordum). Yapay olarak empoze edilmiş bir araç. Onsuz tekrarlamak istiyorum - tam olarak ne yapıldığı, hangi veri vektörlerinin kullanıldığı açıkça belirtilmemiştir. Zikzak parametreleri atlanmış. Hedef kitle Rattle paketinin kullanıcıları mı? Ya da R'de yazanlar mı? Onların çalışması olmadan makalenin birçok noktası anlaşılmaz. Sonuçlar başıboş - makaleden bu yönün umut verici olup olmadığı net değil. Ticaret örnekleri vermek mümkün olabilirdi. Genel izlenim - sanki dar bir çevre için yazılmış gibi.
NOT. Ve makaleden TC.Rdata'yı açmaya çalışırken aşağıdakiler verilir:
Hedef kitle - Rattle paketi kullanıcıları mı? Yoksa R dilinde yazanlar mı? Bunları incelemeden makalenin birçok noktası anlaşılmaz.
Rattle'ı kullanırken iki hedef kitle belirliyorum:
Kendi girdi .csv dosyasını oluşturabilen ve sadece rastgele ormanların değil, 6 modelin sonuçlarını oluşturup değerlendirebilen R konusunda eğitimsiz kullanıcılar. Asıl sorun model değil, model girdi verileridir. İlk verileri bulmayı başarırsanız, programlama siparişi verebilirsiniz. Önemli olan fikirdir ve programlama teknikleri de uygulanabilir
NOT. Ve makaleden TC.Rdata'yı açmaya çalışırken aşağıdakileri veriyor:
Tekrar kontrol ettim, her şey normal. eylem sırası aşağıdaki gibidir:
- başlangıç R
- sekmesi {Dosya/çalışma alanını yükle
- ardından paketinden çıkarılmış arşivden TC.RData dosyasını arayın.
- Fırlatma Çıngırağı
- Veri\R Veri Kümesi sekmesi
- açılır menüde Veri Adı penceresinde TC adını arayın.
- "Çalıştır "a tıklayın
İlgilendiğiniz vektörlerin listesini alıyoruz.
Diğer bir kitle ise eğitimli kullanıcılardır. Rattle, model için ilk verilerin seçimi için oldukça kullanışlı bir araçtır. Ticaret sistemleri oluştururken ana zaman, işin en belirsiz kısmı olan ilk verilerin seçimine harcanır. Rattle bu noktada çok kullanışlıdır. Çok karmaşık matematiksel model yapılarına girmek zorunda kalmadan çok hızlı bir şekilde nihai bir tahmin elde edebilirsiniz.
İyi şanslar, açıklamalara devam etmeye hazırım
Sadece ince eleyip sık dokuyorsunuz. Örneğin ben, bir matematikçi olmasam da, daha detaylı açıklanması gereken bazı noktalar dışında özü oldukça iyi anladım.Örneğin, "ağaç yarılması" terimini tam olarak anlamadım, birkaç kez geçiyor ve bununla tam olarak ne kastedildiği açık değil. Sonuçlara gelince, ne sonucuna ihtiyacınız var? "Barikatlara gidin!" mi? Örneğin ben, okuduktan sonra bir bisiklet icat ettiğimi, hazır bir çözüm kullanmak yerine benzer algoritmaları kendim icat etmeye çalıştığımı fark ettim.Anladığım kadarıyla, ana fikir R paketini istatistikle ilgilenen amatörler arasında popüler hale getirmekti (ama "aptallar" için değil). Ve bence oldukça iyi sonuç verdi.
Örneğin, "ağaç bölme" terimini tam olarak anlayamadım.
Ağacın kökünü alıyoruz - en tepede.
Kökü böleriz ve kökten iki çizgi çizeriz - kök bölme, ardından her seviyede aynı eylem.
Ağacın her bir düğümünde algoritma tarafından formüle edilen bazı koşullar kontrol edilir. Örneğin, eurusd > 1,35 ise, sol dal boyunca ilerleyin, değilse sağ dal boyunca ilerleyin.
Algoritma aşırı derecede 500 ağaç oluşturmuştur. 10000 koşul olması gerekir.
Sonraki. Tüm tahmin edicilerin değerleri geldiğinde - her tahmin edicinin bir değeri - toplam 88 adet var, ağaçlarla karşılaştırılır ve bu 88 değerden oluşan belirli bir kümenin uzun veya kısa olduğuna karar verilir. Yani bir kalıbın bir benzeri, sadece çok fazla.
İki kez kontrol ettim, sorun yok. Sıralama aşağıdaki gibi:
- Koş R
- dosya/çalışma alanı yükle sekmesi
- ardından paketinden çıkarılmış arşivden TC.RData dosyasını arayın.
- Fırlatma Çıngırağı
- Veri\R Veri Kümesi sekmesi
- açılır menüde Veri Adı penceresinde TC adını arayın.
- "Çalıştır "a tıklayın
İlgilendiğiniz vektörlerin listesini alıyoruz.
Teşekkürler! Şimdi anlaşıldı.
Bu vektörlerin özünü açıklayabilir misiniz: ZZ.75, ZZ.35?
*.dif1, *.dif2, *.dif3 vektörleri nedir? Artışlar mı? Neyin neye göre?
Vektörler eur, gbp, vb. - Bunlar nedir?
Ve genel bir soru - göstergelerden gelen veriler neden ekleniyor? Bu [x, f1(x), f2(x)] ile aynı değil mi? Fazlalıktan bahsediyorum. Sadece kapanışların artışlarını sağlamayı denemediniz mi?
Cevaplarınız için şimdiden teşekkürler.
Teşekkür ederim! Şimdi anlaşıldı.
Bu vektörlerin özünü açıklayabilir misiniz: ZZ.75, ZZ.35?
*.dif1, *.dif2, *.dif3 vektörleri nedir? Artışlar mı? Neyin neye göre?
Vektörler eur, gbp, vb. - Bunlar nedir?
Ve genel bir soru - neden göstergelerden veri eklendi? Bu [x, f1(x), f2(x)] ile aynı değil mi? Fazlalıktan bahsediyorum. Sadece kapanışların artışlarını sağlamayı denemediniz mi?
Yanıtlarınız için şimdiden teşekkürler.
Lütfen şu vektörlerin özünü açıklayabilir misiniz: ZZ.75, ZZ.35?
Bunlar, minimum 75 pip ve 35 ters çevirme mesafesine sahip ZZ'lerdir. Hedef değişken TREND, ZZ.35'ten elde edilir. Bu değişkenler modelde kullanılamaz - Geleceğe bakmak.
.dif1, *.dif2, *.dif3 vektörleri nedir? Artışlar mı? Neyin neye göre artışı?
Önceki çubuğa, önceki önceki (-2) ve (-3) çubuğa artış. Buradaki fikir, eğilimleri hesaba katmaktır.
Vektörler eur, gbp, vb. - Bunlar nedir?
Eurusd, gbpusd bölümleri ilk sembollerdir.
Fazlalıktan bahsediyorum. Sadece kapanışların artışlarını beslemeyi denediniz mi?
Pek çok şey denedim. Makale, olasılıkların ve aynı zamanda fazlalığın bir göstergesidir, böylece herkes kendi fikirlerini seçebilir ve deneyebilir. Seçim çok basit bir şekilde yapılır - değişken Yoksay olarak işaretlenir.
Makale için tebrikler SanSanych!
Tabii ki R üzerinde daha derli toplu olurdu, ama muhtemelen önce oradan başlamalıyız.
"Derin" öğrenme ile ilgili makaleyi bitirmek üzereyim. Verilerinizle sonucu karşılaştırmaya çalışacağız.
İyi şanslar
Veri setine yakından baktım, iyi değil. Tırnak işaretlerinin atılması gerekiyor. Yani, ilk 48 değişken çıkarılır. Elimizde 42 girdi değişkeni ve bir hedef değişkeni olan bir veri seti kalıyor.
Eh, sahibine kalmış, herkes kendi zevkine, deneyimine vs. göre seçer. Ancak model hakkında bir açıklama var. "RandomForest harika çünkü ön işleme ihtiyaç duymuyor, hem de hiç. Ham veriyi harika bir şekilde kabul ediyor.
Bunun dışında tabii ki makale çok faydalı.
Makale için tebrikler SanSanych!
Tabii ki R üzerinde daha derli toplu olurdu, ama muhtemelen önce oradan başlamalıyız.
"Derin" öğrenme ile ilgili makaleyi bitirmek üzereyim. Verilerinizle sonucu karşılaştırmaya çalışacağız.
İyi şanslar
O yazınızı burada tekrarlamak çok iyi olurdu.
Çok faydalı bir materyaldi.
- Ücretsiz alım-satım uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Yeni makale Rastgele Ormanlar Öngörü Trendleri yayınlandı:
Bu makale, Forex'te döviz çiftlerinin uzun ve kısa pozisyonlarını tahmin ederek formasyonların otomatik araması için Rattle paketi kullanmayı ele almaktadır. Bu makale hem acemi hem de deneyimli yatırımcılar için faydalı olabilir.
Hedef değişken olarak uzun ve kısa pozisyonlar mevcut değildir ve aşağıda açıklanan bağımsız değişkenlerden temel fark budur. Bu bakış açısı, şimdiki zamanda var olmayan bir geleceği tahmin edebileceğimiz gerçeğiyle aynı fikirdir. Geleceği geçmişle ilgili olarak bildiğimiz için, trendleri geçmişe yönelik veriler üzerinde iyi bir şekilde çizebiliriz.
Trendleri geçmişe yönelik verilerde ayırt etmek için ZigZag kullanacağız. Bu, geçmişe yönelik veriler için mükemmel bir göstergedir ve son bağlantı ve bazen önceki bağlantı yeniden çizildiği için gerçek veriler için işe yaramaz. Geçmişe yönelik veriler üzerinde dinamik olmadığı için bu gösterge ile çok güzel trendler çizebiliriz.
Hedef değişkeni hesaplamak için "ters dönüş noktaları arasındaki mesafe" parametresi 0,0035 dolara eşit olan ZigZag göstergesi kullanılmıştır. Şekil 1 sonucu temsil eder.
Şek. 1. ZigZag göstergesi
Yazar: СанСаныч Фоменко