文章 "基于暴力算法的 CatBoost 模型高级重采样与选择" - 页 12

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

添加文件路径 - traing prnew.csv 和 test prnews.csv

但接收到的 R2 几乎总是高于 0.9，可能是 look_back 设置不正确，所以接收到的 mqh 文件是错误的，因此终端中的测试不起作用。

https:// colab.research.google.com/drive/1eeyRA5bGaFMfX1THnMsL5hwKmxBkqvqP

https://drive.google.com/file/d/1LIRhpk5iU_dYQbefZ-FFQM6XMV_cOh26/view?usp=sharing 测试数据

https://drive.google.com/file/d/18RpJec9EGSCSknwaHsevgHcZuCeoOvP5/view?usp=sharing 训练数据

我一会儿再看，我工作很忙。

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

等我忙完工作再看。

好的。

这是 mqh 文件：https://drive.google.com/file/d/1UquXcaRJjIR2lxE81P8Pm2BWFQ9uM0N1/view?usp=sharing

测试仪显示以下错误： 2020.12.01 21:19:23.252 2020.08.03 00:05:00 'cat_model.mqh' 中的数组超出范围 (288,51)

[Rasoul Mojtahedzadeh]

Maxim Dmitrievsky : 你好，拉苏尔。试着减少训练集的大小。这取决于不同的设置，但关键诀窍在于，训练集越小，对新数据的泛化效果就越好。在下一篇文章中，我会尝试解释这种效果。

你好，马克西姆，

，我把训练集的周期改为如下、

1.训练集：从 2018.01.01 到 2019.01.01

这仅用于训练 GMM。

2.验证集：从 2019.01.01 到 2020.01.01

该集将用于蛮力算法，以找到最佳模型。

3.测试集：2020.01.01 至 2021.01.01

该集仅用于测试蛮力算法得到的最佳模型。

下面是运行脚本的典型结果、

我附上了代码，你可以看一看，找出可能的错误。

[Maxim Dmitrievsky]

Rasoul Mojtahedzadeh:

你好，马克西姆，

，我将各组的周期改为如下、

1.训练集：从 2018.01.01 到 2019.01.01

这只能用于训练 GMM。

2.验证集：2019.01.01 至 2020.01.01

这组数据将用于蛮力算法，以找到最佳模型。

3.测试集：2020.01.01 至 2021.01.01

该测试集仅用于测试通过蛮力算法获得的最佳模型。

以下是运行脚本的典型结果，

。

我在此附上代码，以便您查看，找出可能存在的错误。

有时只需更改学习间隔和设置，模型就能捕捉到更好的依赖关系：

LOOK_BACK = 1
MA_PERIODS = [15, 25, 55, 100, 150, 200, 250, 300]

SYMBOL = 'EURUSD'
MARKUP = 0.00010
TIMEFRAME = mt5.TIMEFRAME_H1
START_DATE = datetime(2018, 9, 1)
VSTART_DATE = datetime(2019, 3, 1)
TSTART_DATE = datetime(2019, 7, 1)
STOP_DATE = datetime(2021, 1, 1)

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

好吧

这是 mqh 文件：https://drive.google.com/file/d/1UquXcaRJjIR2lxE81P8Pm2BWFQ9uM0N1/view?usp=sharing

测试器中列出了错误： 2020.12.01 21:19:23.252 2020.08.03 00:05:00 'cat_model.mqh' 中的数组超出范围 (288,51)

我怀疑你使用的是上一篇文章中的机器人版本。本文中的机器人是不同的。检查一下，应该不会出现这样的错误。

R^2 0.9 很好，我也经常出现这种情况

[Rasoul Mojtahedzadeh]

Maxim Dmitrievsky:

例如，有时只需改变学习间隔和设置，模型就能捕捉到更好的依赖关系：

感谢您的快速回复！

您的设置看起来不错！:)

致以最诚挚的问候、

Rasoul

[Maxim Dmitrievsky]

Rasoul Mojtahedzadeh:

感谢您的快速回复！

您的设置看起来不错！:)

致以最崇高的敬意

Rasoul

根据我的经验，look_back 只需设置 1...和更多不同的 MA。有时需要改变学习周期

有时需要将 GMM 中的簇数从 75 改为另一个...等等）

也许需要添加更好的特征，而不是 MA，但我不知道具体是哪些特征...需要实验

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

我怀疑您使用的是上一篇文章中的机器人版本。本文中的机器人是不同的。请检查一下，应该不会出现这样的错误。

R^2 0.9 很好，我也经常用它

只有新版本才有 brute_force 功能，但重点不同 - 接收到的 mqh 文件会给出一个超出范围的 错误数组，无法测试高 R^2 的机器人。

[Maxim Dmitrievsky]

Evgeni Gavrilovi:

只有在新版本中才有一个 brute_force 函数，但问题有所不同--接收到的 mqh 文件会给出一个超出范围的错误数组，无法测试具有高 R^2 的机器人。

我说的是您编译的 EA 文件。

[Evgeni Gavrilovi]

Maxim Dmitrievsky:

我说的是你正在编译的 EA 文件。

是的，就是这个。

它说

#include <MT4Orders.mqh> （包含 <MT4Orders.mqh

#包含 <Trade\AccountInfo.mqh>

#include <cat_model.mqh>

最重要的是，当直接从 jupyter notebook 加载 mqh 时，一切正常，这让我很惊讶。