Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 1112
Ticaret fırsatlarını kaçırıyorsunuz:
- Ücretsiz ticaret uygulamaları
- İşlem kopyalama için 8.000'den fazla sinyal
- Finansal piyasaları keşfetmek için ekonomik haberler
Kayıt
Giriş yap
Gizlilik ve Veri Koruma Politikasını ve MQL5.com Kullanım Şartlarını kabul edersiniz
Hesabınız yoksa, lütfen kaydolun
Makine öğrenimi için veriler iyi bir modelden çok daha önemlidir.
Belki birileri işine yarar, paylaşıyorum:
MetaTrader 5'ten MySQL'e kenelerin gerçek zamanlı olarak libmysql aracılığıyla doğrudan veritabanına toplanması
MT5_ticks_to_MySQL
ve hikayenin kendisi burada bulunabilir:
http://ticks.alpari.org
Makine öğrenimi için veriler iyi bir modelden çok daha önemlidir.
O yüzden belki birilerinin işine yarar, paylaşıyorum:
MetaTrader 5'ten MySQL'e kenelerin gerçek zamanlı olarak libmysql aracılığıyla doğrudan veritabanına toplanması
MT5_ticks_to_MySQL
ve hikayenin kendisi burada bulunabilir:
http://ticks.alpari.org
Normal bir CSV dosyasında görev aynı başarı ve hızla çözülür. Üstelik hiçbir şeyle uğraşmanıza da gerek yok.
Normal bir CSV dosyasında görev aynı başarı ve hızla çözülür. Ayrıca, hiçbir şeyle uğraşmanıza gerek yok, zahmet edin.
oh, anlamadılar ve hemen yorum yaptılar)
Geçmişi boşaltmaya katılıyorum, CSV'de daha uygun. Ama hazır modeller ile online çalışmak...
oh, anlamadılar ve hemen yorum yaptılar)
Geçmişi boşaltmaya katılıyorum, CSV'de daha uygun. Ama hazır modeller ile online çalışmak...
Çevrimiçi olarak çok fazla ne nada kene var. Ve hafızaya sığacaklar.
Ve çevrimiçi değil, ihracat hızı özellikle gerekli değildir. CSV'den veritabanına manuel olarak içe aktarırsınız .
+1
Verilerin modelden daha önemli olduğunu ekleyeceğim, ancak yapım yöntemi de önemli. Bu durumda, bunu 50/50 olarak değerlendiriyorum.
Modelden, tekrarlanan optimizasyonlarla %50'den fazla genelleştirilmiş modeller üretmesi önemlidir. Yani, 10 optimizasyondan 5 veya daha fazla model yeterli düzeyde genelleştirilecek şekilde. Neden tam olarak böyle??? Çünkü 10 model arasından seçim yaparken çalışan birini seçme olasılığı daha fazladır. 10 optimizasyondan sadece 2 genelleştirilmiş model üretiyorsa algoritmanın kullanımı nedir? Uzmanın böyle bir sonuçla tam olarak çalışma modelini seçme olasılığı çok küçüktür ve elbette böyle bir algoritmanın kullanımı da küçüktür.
Verilerden, amaç fonksiyonunun nedeni olmaları, en az yüzde 20 veya daha fazla olması önemlidir. Giriş verilerinde bir sebep varsa, onu bulmaktan optimizasyon algoritması sorumludur.
Verilerimi diğer algoritmalar üzerinde test etmek ve başarının ne olduğunu anlamak benim için hala ilginç. Burada herkesin nefret ettiği verilerin veya Reshetov optimize edicinin varlığı, ancak bunu yapabilmek için gerçek hayatta bir kontrol yapmak ve buradaki insanların cimri olduğu gerçeğini dikkate almak gerekecektir. BU ARADA........
Bu soruyu başka biri soruyorsa, sanırım bir şekilde cevaplayabilirim: Verileri hazırlıyorum. AI'nızı eğitiyorsunuz ve eğitimden sonra, modelin OOS'ta (tercihen gerçek hayatta) çalışmasını kontrol ediyoruz, eğer danışman çalışıyorsa ve modelin çalıştığından emin oluyoruz, o zaman optimizasyon algoritmanızın çalıştığı ortaya çıkıyor ( Size hemen gerekli olmadığını söyleyeceğim) ve bu nedenle girdi aramaya odaklanmanız gerekiyor. Verilerimle çalışan bir model elde etmek mümkün değilse, algoritma geliştirilmelidir. Bunun yeni başlayanlar için ilgi çekici olacağını düşünüyorum, bu arada ben de başarımın olduğuna ikna olacağım. Veri veya güçlü bir Reshetov iyileştiricisinin varlığı.
Peki .... bu meydan okumayı kim kabul ediyor?????
Verilerin modelden daha önemli olduğunu ekleyeceğim, ancak yapım yöntemi de önemli. Bu durumda, bunu 50/50 olarak değerlendiriyorum.
Modelden, tekrarlanan optimizasyonlarla %50'den fazla genelleştirilmiş modeller üretmesi önemlidir. Yani, 10 optimizasyondan 5 veya daha fazla model yeterli düzeyde genelleştirilecek şekilde. Neden tam olarak böyle??? Çünkü 10 model arasından seçim yaparken çalışan birini seçme olasılığı daha fazladır. 10 optimizasyondan sadece 2 genelleştirilmiş model üretiyorsa algoritmanın kullanımı nedir? Uzmanın böyle bir sonuçla tam olarak çalışma modelini seçme olasılığı çok küçüktür ve elbette böyle bir algoritmanın kullanımı da küçüktür.
Verilerden, amaç fonksiyonunun nedeni olmaları, en az yüzde 20 veya daha fazla olması önemlidir. Giriş verilerinde bir sebep varsa, onu bulmaktan optimizasyon algoritması sorumludur.
Verilerimi diğer algoritmalar üzerinde test etmek ve başarının ne olduğunu anlamak benim için hala ilginç. Burada herkesin nefret ettiği verilerin veya Reshetov optimizer'ın varlığı, ancak bunu yapmak için, gerçek hayatta kontrol etmeniz ve buradaki insanların cimri olduğu gerçeğini dikkate almanız gerekecek. BU ARADA........
Bu soruyu başka biri soruyorsa, sanırım bir şekilde cevaplayabilirim: Verileri hazırlıyorum. AI'nızı eğitiyorsunuz ve eğitimden sonra, modelin OOS'ta (tercihen gerçek hayatta) çalışmasını kontrol ediyoruz, eğer danışman çalışıyorsa ve modelin çalıştığından emin oluyoruz, o zaman optimizasyon algoritmanızın çalıştığı ortaya çıkıyor ( Size hemen gerekli olmadığını söyleyeceğim) ve bu nedenle girdi aramaya odaklanmanız gerekiyor. Verilerimle çalışan bir model elde etmek mümkün değilse, algoritma geliştirilmelidir. Bunun yeni başlayanlar için ilgi çekici olacağını düşünüyorum, bu arada ben de başarımın olduğuna ikna olacağım. Veri veya güçlü bir Reshetov iyileştiricisinin varlığı.
Peki .... bu meydan okumayı kim kabul ediyor?????
Hedefler verilerde zaten belirlenmiş mi? Ne metriği?
Makine Öğreniminde görevi basit bir rekabetçi forma indirgerseniz, yalnızca tüccarları çekemezsiniz)
Hedefler verilerde zaten belirlenmiş mi? Ne metriği?
Makine Öğreniminde görevi basit bir rekabetçi forma indirgerseniz, yalnızca tüccarları çekemezsiniz)
Evet, zaten hedeften veri olacak. Sınıflandırma modellerinden bahsediyoruz. Burada sorun farklı, sisteminize gelen bu modelleri nasıl kontrol edebilirsiniz ???? Tercihen gerçek hayatta...
Evet, zaten hedeften veri olacak. Sınıflandırma modellerinden bahsediyoruz. Burada sorun farklı, sisteminize gelen bu modelleri nasıl kontrol edebilirsiniz ???? Tercihen gerçek hayatta...
En azından ertelenmiş numuneyi kontrol etmeye başlamak için. Diyelim ki 2012-2016 için veri verdiniz. 2017 testi. 2018'i son kontrol için tutuyorsunuz (hiçbir ayar olmaması için).
Gerçekle bekleyin) öldürülmemiş bir ayının derisini paylaşmayın ;) önce en azından validasyondan geçebilecek bir model yapmanız ve ardından bu fili üretime geçirmeye çalışmanız gerekiyor. Bunlar tamamen farklı 2 görevdir.
En azından ertelenmiş numuneyi kontrol etmeye başlamak için. Diyelim ki 2012-2016 verilerini verdiniz. 2017 testi. 2018'i son kontrol için tutuyorsunuz (hiçbir ayar olmaması için).
Gerçekle bekleyin) öldürülmemiş bir ayının derisini paylaşmayın ;)
Peki modeli nasıl kontrol edebilirim? MT test cihazında kontrolü yaparsam. Optimizasyondan sonra modeli MT4'e yükleyebilecek miyiz?
Peki, modeli nasıl kontrol edebilirim? MT test cihazında kontrolü yaparsam. Optimizasyondan sonra modeli MT4'e yükleyebilecek miyiz?
ve sana ne diyeceğim. Başlamak için, görevi bir boşlukta ayarlayın. senin metriğinle
Test cihazına orada bir trol ve diğer güzelliklerle sürmek istiyorsanız:
.csv'de bir hedefle veri sağlayın (anladığım kadarıyla sizin için ikili bir sınıflandırmadır). sonra modelleri eğitir ve hedefi tahmin ederiz. elde edilen sonucu model yanıtları listesi şeklinde aynı test cihazına yükler ve çalıştırırız. Ancak bunu her model için yapmak başka bir uydurma seçeneğidir, bir metrik veya hedef düşünmek daha iyidir. Ve test cihazında yalnızca son seçeneği sürün.
Ve gerçek zamanlı olarak ayrı bir hemoroiddir ve tüm modeller dll'ye sarılamaz.