文章 "无需 Python 或 R 语言知识的 Yandex CatBoost 机器学习算法" - 页 8

 

如果要使用 GPU,可以注释掉频率采样行,并将其添加到数组中:

--task-type GPU

https://catboost.ai/en/docs/features/training-on-gpu


注释// Train_All[25]="--采样频率"

在我尝试取消对模型的注释后,我得到了以下错误


Training on GPU
Training on GPU
  • catboost.ai
CatBoost supports training on GPUs.
 
dustovshio #:

如果要使用 GPU,可以注释掉频率采样行,并将其添加到数组中:

--task-type GPU

https://catboost.ai/en/docs/features/training-on-gpu


注释// Train_All[25]="--采样频率"

在我尝试取消对模型的注释后,我得到了以下错误。


请仔细阅读文章:

"

从模型训练目录的 Models_mqh 子目录中选择您喜欢的模型,并将其添加到 Expert Advisor 目录中。使用"//"对 EA 代码开头的空缓冲区行进行注释。现在,我们只需将模型文件连接到 EA:

//如果 CatBoost 模型在 mqh 文件中,请注释以下一行
//uintTreeDepth[];uint TreeSplits[];uint BorderCounts[];float Borders[];double LeafValues[];double Scale[];double Bias[];
#include "model_RS_208_0.mqh";                 // 模型文件
"
 
谢谢。
 
dustovshio #:
谢谢。

祝你好运

 

如果您要将此应用于不同的 EA,那么您是否只需在下单前应用 catboost 模型,其他一切保持不变,还是需要修改 model_CB() 或 copy_arhiv()? 应用 CB 模型时,似乎并没有打开订单。



 
dustovshio #:

如果您要将此应用于不同的 EA,那么您是否只需在下单前应用 catboost 模型,而其他一切保持不变,或者您是否需要修改 model_CB() 或 copy_arhiv()? 应用 CB 模型时似乎并没有打开订单。



您可以在 Signal() 函数中添加或更改输入信号。

您训练过 CatBoost 模型吗?

如果一切顺利,它应该可以工作。

 

如果 EA 根据相反信号平仓、减仓或反转仓位,您是想使用模型过滤这些仓位呢?



 
dustovshio #:

如果 EA 根据相反信号平仓、减仓或反转仓位,您是想使用模型过滤这些仓位呢?



我不明白您的想法:"您是否想使用模型过滤这些 订单?

在模型的帮助下,文章中筛选出了建仓信号。

 
Aleksey Vyazmikin #:

我不明白你的想法:"你想用模型来过滤这些信息吗

在模型的帮助下,文章中筛选出了建仓信号。

如果您的 EA 有相反的信号,它可以关闭订单。 如果增强功能理论上可以减少虚假信号。 如果相反的信号关闭订单,那么 catboost 将减少虚假订单的关闭,结果是您的订单开放时间更长,获得的利润更大。 例如:您在 MA 交叉时下单。您的止损为 50 点,止盈为 50 点。然而,在您的止损或止盈达到之前,MA 会重新交叉,您的 EA 程序会在这种情况下关闭订单:这被称为反向信号关闭(或减少,或反向)。 如果该信号是虚假警报,那么您会过早关闭利润,而利润本可以达到您的止盈。 那么 catboost 是否可以过滤一定比例的虚假信号?不是所有的 EA 都会在相反信号出现时平仓。这就是我问这个问题的原因。 因为有些 EA 有这个功能。

 
dustovshio #:

如果您的 EA 有相反的信号,它可以关闭订单。 如果增强功能理论上可以减少虚假信号。 如果相反的信号关闭订单,那么 catboost 将减少虚假订单的关闭,结果是您的订单开放时间更长,获得的利润更大。 例如:您在 MA 交叉时下单。您的止损为 50 点,止盈为 50 点。然而,在您的止损或止盈达到之前,MA 会重新交叉,您的 EA 程序会在这种情况下关闭订单:这被称为反向信号关闭(或减少,或反向)。 如果该信号是虚假警报,那么您会过早关闭利润,而利润本可以达到您的止盈。 那么 catboost 是否可以过滤一定比例的虚假信号?不是所有的 EA 都会在相反信号出现时平仓。这就是我问这个问题的原因。 因为有些 EA 有这个功能。

我明白对话的意思。

从程序上讲,这很容易实现,但这将是一场随机性游戏。事实上,模型的召回指数相当低,即模型识别的事件不超过所有事件的 10%,这意味着由于未识别的模式,相反的位置往往不会打开。这主要与预测因子有关。文章展示了实现 CatBoost 模型的算法。有必要用预测因子来加强模型,这样您提出的方法就会更加合理。