Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 228

 
Peter Konow'un fotoğrafı.

Kısaca söylemek gerekirse, -

1. İhtiyacımız olan herhangi bir parametrenin (verinin) değer akışlarını toplayan ve bunları halka arabelleği üzerinden süren bir algoritma oluşturuyoruz.

2. Halka arabelleğinde depolanan değer akışlarını, onları genelleştiren özel bir filtreden geçirerek bu değerlerin aralıklarına yönlendiririz.

3. Halka tamponunda her parametrenin değerindeki değişimin doğasının genelleştirilmiş (aralıkların yardımıyla) bir dijital modeli oluşturulur ve uygun formatta kaydedilir.

4. Bu model, bu modelleri toplayan istatistiksel bir algoritmaya gönderilir.

5. Parametrelerimizin değerlerindeki değişimin doğasının içerdiği modelin (imza) bazında bir döngü yaparız ve mevcut duruma en uygun modeli buluruz.

6. Verilen imzada (modelde) yakalanan durumda sistemin davranışı hakkında bir karar verilir.

Daha sonra daha kesin olacağım.

7. Mevduatın test edilmesi ve boşaltılması. Çünkü herhangi bir değer akışı yazıp üzerlerinde Uzman Danışman yapamazsınız. Bu akışları analiz etmeniz, her birinin veya bazı kombinasyonlarının güvenilir olup olmadığını belirlemek için bisikletlerinizi yazmanız gerekir.
Örneğin, iki MovingAverage göstergesi alabilir ve bunlarla 2-6 arasındaki adımları sorunsuz bir şekilde gerçekleştirebilirsiniz. Hata yalnızca yedinci adımda ortaya çıkar.

Bu nedenle, 1 ile 6 arasında bir yerde bir adım daha vardır (herkes nerede ve nasıl yapılacağına kendisi karar verir), bu da uygun olmayan veri akışlarını reddeder. Bu forum başlığının büyük bir kısmı, bunu yapmanın farklı yollarını analiz etmeye ayrılmıştır.

 
Peter Konow'un fotoğrafı.

Yaklaşım, değerlerin genelleştirilmesidir. Yani, seçilen bir aralıkta farklı veri değerleri mi içeriyor? Ardından, belirli bir süre boyunca bazı değerlerdeki değişimi özetleyen bir dijital model oluşturabilirsiniz. Bu modelleri toplayarak, kararlarda ve eylem seçimlerinde güvenebileceğiniz istatistikler oluşturabilirsiniz.

Doğru yönde mi düşünüyorum?

Peter Konow'un fotoğrafı.

Kısaca söylemek gerekirse, -

1. İhtiyacımız olan herhangi bir parametrenin (verinin) değer akışlarını toplayan ve bunları halka arabelleği üzerinden süren bir algoritma oluşturuyoruz.

2. Halka arabelleğinde depolanan değer akışlarını, onları genelleştiren özel bir filtreden geçirerek bu değerlerin aralıklarına yönlendiririz.

3. Halka tamponunda her parametrenin değerindeki değişimin doğasının genelleştirilmiş (aralıkların yardımıyla) bir dijital modeli oluşturulur ve uygun formatta kaydedilir.

4. Bu model, bu modelleri toplayan istatistiksel bir algoritmaya gönderilir.

5. Parametrelerimizin değerlerindeki değişimin doğasının içerdiği modelin (imza) bazında bir döngü yaparız ve mevcut duruma en uygun modeli buluruz.

6. Verilen imzada (modelde) yakalanan durumda sistemin davranışı hakkında bir karar verilir.

Daha sonra daha kesin olacağım.

Maalesef doğru yönde düşünmüyorsun :(

Siz bunun manasız olduğunu bilsem de boşuna yaptığımı kısaca özetlememi istediniz ve hemen bu "mecazi" vizyonu bilgi tabanınıza yansıtmaya başladınız, bu da maalesef iyi bir şeye yol açmayacak. Bana matematiksel analizin özünü özetlemişsiniz gibi aynı ve ben zaman serisi örneğini kullanarak türevin sadece serinin iki komşu değeri arasındaki fark olduğunu söylerdim ve integral kümülatif toplamdır ve hemen hidrodinamik için Navier Stokes denklemlerini entegre etmek için acele edersiniz. Durum aşağı yukarı aynı. ML yapay zekadır, etkileyici bir bilimdir, ML sayesinde arama motorları ihtiyacımız olanı istediğimizden daha iyi bulur, ML sayesinde makineler tıbbi teşhisleri doktorlardan daha iyi yapar, ML sayesinde yeni temel parçacıklar bulunur. hadron çarpıştırıcısı, ML GO'da daha iyi satranç oynar ve yakında genel olarak herhangi bir oyun daha iyi oynanır. MO'nun özünü anlamak için 20 yılda en az 5 yılını teknik bir zihniyetle geçirmek gerekiyor.

Hata yapmaktan korkmamanız ve savaşmaya istekli olmanız çok övgüye değer, bu çok iyi bir zihin çerçevesi, kaybetmeyin, ancak aynı zamanda bu konuda ustalaşmak için gereken iş miktarını nesnel olarak değerlendirmeye çalışın. Bilginin en zor alanı dersleri izleyin size tavsiyem bu bir başlangıç kitabıdır.

 
mytarmailS :

ne toksik gösterdi   kümeleme gibi ama bir öğretmenle

sınıflandırma
 
toksik :
sınıflandırma

evet doğru, yazdım)

toksik :

maalesef yanlış yoldasın :(

Evet, denemesine izin verin, ama neden olmasın, beyin dogmalarla ve hakim klişelerle lekelenmez, ama ya ilginç bir şeyi kör ederse?

 
mytarmailS :

Evet, denemesine izin verin, ama neden olmasın, beyin dogmalarla ve hakim klişelerle lekelenmez, ama ya ilginç bir şeyi kör ederse?

Neyi deneyip denemeyeceğinize karar vermek size ve bana bağlı değil, bu alandaki temel bilgilerden bahsediyoruz ve bunlar olmadan tüm bunlardan bahsetmenin bir anlamı yok.

 

Gerçekten MO okuyan herkes.

Lütfen bu bilgi alanını bilmeyen ve bilmek istemeyen kişilerle gereksiz tartışmalara girmeyin. "PionErov" diyenler: "Göster, kanıtla .. Ve sonra çalışmaya başlayabilirim" forumda deniz. Konu hakkında en ufak bir fikirleri olmadığı için eleştirecek ve yararsızlığını gençlik maksimalizmi ile ispatlayacaklardır. Yetişmemişlerse, insanları bir tür bilginin önemine ve gerekliliğine ikna etmek imkansız ve gereksizdir.

Bu tartışma sadece yararsız değil, aynı zamanda zararlıdır . Bunu yaparak, egolarını besler, eleştirilerinin önemini artırır ve onları daha fazla saçma sapan açıklamalara teşvik edersiniz. Konu dışı aptal gönderileri yasaklayamayız, ancak onları görmezden gelebiliriz ve almalıyız.

Makine öğreniminin özünü anlamak isteyen ve internette arama yapamayan herkese şunu öneriyorum: buradan başlayın.

https://en.wikipedia.org/wiki/Machine_learning

http://www.r2d3.us/Visual-Introduction-to-Machine-Learning-Theory/

http://www.machinelearning.ru/wiki/index.php?title=Machine_Learning

http://datareview.info/article/vse-modeli-mashinnogo-obucheniya-imeyut-svoi-nedostatki/

===============================

Şube çok büyüdü ve okunamaz hale geliyor. MT4/5 terminalinde makine öğrenimi modellerinin yalnızca bunun sorunsuz yapılmasına izin veren dillerde kullanılmasıyla ilgili belirli konuların tartışılacağı yeni bir "RUserGroup" şubesi başlatmayı öneriyorum. İki tane biliyorum (R, Python). Kodun sağlanması ile yürütülecek tartışma. Makine öğrenimi alanında diğer dillerde deneyimi olan uzmanlar da davetlidir.

Önceki gönderilerde yayınlanan bir evrişimli ağ örneği ile başlayabiliriz.

İyi şanlar

Машинное обучение — Википедия
Машинное обучение — Википедия
  • ru.wikipedia.org
Машинное обучение (англ.  ) — обширный подраздел искусственного интеллекта, математическая дисциплина, использующая разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа, и извлекающая знания из данных. Различают два типа обучения: Обучение по прецедентам, или индуктивное обучение, основано...
 

Şüphesiz amatörce olan bakış açımdan bahseden herkese teşekkürler. Bu konunun bana yabancı olduğunu inkar etmiyorum. Belki dün sunulan fikirlerin makine öğrenimi ile hiçbir ilgisi yoktur, ancak forum bir çaylak olmayı ve karmaşık ve önemli bir konuyu anlamaya çalışmak için sözde bilimsel saçmalıklar örmeyi yasaklamıyor. ) Aptal ve cahil görünmekten korkmuyorum.

İnsanları düşünmeye, kalıp yargıları aşmaya ve yeni yaklaşımlar düşünmeye sevk eden hiçbir tartışmanın faydasız olduğuna inanıyorum . Hem yeni başlayanlar hem de deneyimli profesyoneller için eşit derecede faydalıdır. Maksimalizm gösterdiğim tek şey, böyle bir pozisyonun reddedilmesidir:

"MQL forumunda oturacağız, diğer dilleri daha gelişmiş olarak tanıtacağız ve MQL'nin baş edemediği sorunların çözümünde koltuk değneği yöntemlerinin kullanılması çağrısında bulunacağız. MQL'de yeni özellikler uygulamayacağız, büyümesine yardımcı olmayacağız - bunun yerine MQL'nin üstesinden geleceğiz. suçlayın ve makine öğrenimi konusunda çok bilgiliyiz, ancak bunu MQL'de uygulayamıyoruz ve denemek isteyenler sadece cahil."

Bence çıkmaz bir pozisyon. Kişisel gelişimi, dil gelişimini, platform gelişimini desteklemez ve MQL'yi tercih eden hiç kimseye yardımcı olmaz. Yalnızca başka birinin uygulaması ilginçse, neden burada tartışalım? Bir forum R var. Kendilerini uzman olarak görenler bunun içinde hiçbir şey uygulaymayacaklarsa, MQL'nin gelişimi için böyle bir tartışmanın kullanımı nedir? Ayrıca, başkalarını da bundan caydırırlar.

Büyük ve karmaşık bir konunun "bir veya iki"ye bölünemeyeceğini çok iyi anlıyorum, ancak diğer dillerin yerel propagandacılarıyla çelişki ruhu içinde, MQL'yi ve onun içinde yeni "erişilemeyen" özellikleri uygulama olasılığını tanıtacağım.

Bu nedenle, biraz sonra, yine de makine öğrenimi kavramımı yayınlayacağım.

Ve bana çürük domates atsınlar.))

 
Peter Konow : Makine öğrenimi konusunda oldukça bilgiliyiz, ancak bunu MQL'de uygulayamıyoruz ve denemek isteyenler sadece cahil."

Peki, bisikleti mikrolitre cinsinden yeniden yazan bireysel meraklılar neden var?

Bu arada, burada son zamanlarda biri Ulusal Meclis'ten basit bir örnek istedi, nedense kimse Reshetov'un eski zanaatını hatırlamadı. Bu arada, Reshetov'un kendisi, anladığım kadarıyla, şimdi projesini hiç geliştirmiyor.

https://www.mql5.com/ru/code/10289

https://www.mql5.com/ru/code/16727

https://www.mql5.com/ru/code/1104

AI
AI
  • oylar: 8
  • 2006.11.27
  • Yury Reshetov
  • www.mql5.com
Советник с использованием искусственного интеллекта - однослойной нейронной сети.
 
ıvan_11 :

MQL'de makine öğreniminin uygulanması için zaten bir tür temel oluşturmuş insanlar varsa, o zaman bazılarının diğer dilleri tanıtma arzusu daha da anlaşılmaz. Sadece bu üssü geliştirmeye devam etmeniz gerekiyor.
 
Peter Konow'un fotoğrafı.
MQL'de makine öğreniminin uygulanması için zaten bir tür temel oluşturmuş insanlar varsa, o zaman bazılarının diğer dilleri tanıtma arzusu daha da anlaşılmaz. Sadece bu üssü geliştirmeye devam etmeniz gerekiyor.

kelimeden hiçbir taban yok! yukarıdaki tüm kodlar, 100500 yıl önce anlaşmazlıkların olduğu Reshetov'un el sanatlarının değişiklikleridir - NS ya da öylesine, ev yapımı saçmalık.

Bunun bir başka kanıtı da piyasada bu tür Uzman Danışmanların neredeyse tamamen yokluğudur.

yani halka açık yerlerde µl başına NA örneği olmadığını söyleyebilirsiniz.

ve bu 6 yıllık platform ve dil geliştirme içindir. Bence etkileyiciden daha fazlası.

öncü olabilirsiniz)) Hoş geldiniz!

Neden: