交易中的机器学习:理论、模型、实践和算法交易 - 页 1602

 
你好,请提供一些库或ML框架,这些库或框架能很好地处理分类问题,比如,10个不同的类,最好是用C#语言。
在他的输入上运行ML.NET,他发现这些方法是最准确的。

- LGBM分类器
- 最大熵分类器。

但ML.NET有一些限制,所以想尝试其他的选择。
现在与市场无关,但将来可能会被使用。

示例数据。

Label   Pitch   Energy  RMS     ZCR     Centroid        Spread  Flatness        Noiseness       RollOf  Crest   Entropy Decrease        C1      C2      C3      C4      C5      C6      M1      M2      M3      M4      M5      M6      M7      M8      M9      M10     M11     M12     M13

08      195.91840       749479.40000    663.49990       0.06797 5960.71800      5623.56900      0.45596 0.48241 11892.42000     113.03180       0.81972 -0.01187        0.60059 0.99703 1.12502 1.38532 1.41049 1.34596 174.31960       5.43771 0.53368 1.08706 1.28929 -0.27730        0.22525 -0.32192        -1.06489        0.18286 0.12653 -0.36697        0.04997

07      89.38548        264804.20000    427.55540       0.06677 5575.63400      5633.31900      0.41806 0.46413 11484.85000     167.75290       0.79212 -0.17176        0.58641 1.03448 1.14216 1.40824 1.38114 1.41114 174.84360       4.86947 0.42199 1.17480 1.67603 -0.33066        0.54447 -0.31041        -0.75327        -0.04792        0.82607 0.23418 0.16688


 
...:
你好,请提供一些库或ML框架,这些库或框架能很好地处理分类问题,比如,10个不同的类,最好是用C#语言。
在他的输入上运行ML.NET,他发现这些方法是最准确的。

- LGBM分类器
- 最大熵分类器。

但ML.NET有一些限制,所以想尝试其他的选择。
现在与市场无关,但将来可能会被使用。

示例数据。

你试过CatBoost 吗?

 
马克西姆-德米特里耶夫斯基
算命先生没有看到骗子,也就是匿名的。只是由不同的人问她简短的问题,他们对答案进行评估。没有人认识对方。我只是想知道心理上的影响是什么。以为我会对卡片上的胡言乱语感到不满,但它们是有道理的)。

这就是阿米巴 "知道 "的由来。什么是算命的?)

Amoeba finds approximate solutions to NP-hard problem in linear time
Amoeba finds approximate solutions to NP-hard problem in linear time
  • phys.org
Researchers have demonstrated that an amoeba—a single-celled organism consisting mostly of gelatinous protoplasm—has unique computing abilities that may one day offer a competitive alternative to the methods used by conventional computers. The researchers, led by Masashi Aono at Keio University, assigned an amoeba to solve the Traveling...
 

而且我成功地训练了一个神经网络。在BTCUSD上,它每分钟预测未来15分钟的运动(不参考蜡烛图)。 神经反应是二进制的向上/向下,用数字表示为-70到+70,它不是价格预测,而是对移动的信心程度。
现在在现实市场中,结果比预期的要高。在回测过程中,68%的成功答案变成了更好的答案。 在没有拐杖和提示的情况下,即没有外部影响的情况下,我所训练的东西也是如此。
数据已经用MQL5机器人、TensorFlow+Keras神经元准备好了,现在它把我的预测结果发送到telegram频道。我在这里不提供链接,但如果可以,请告诉我。

事实上,我得到了一个指标,它在每分钟的蜡烛上给出一个值。在数值为30及以上时,我可以尝试交易)

我将回答这些问题,但我将把有关数据准备的知识留给培训...

 
叶夫根尼-迪尤卡

在回溯测试中,它给出了68%的成功答案,但在生活中它要好得多。

如你所知,这说明不了什么。对胜利的期望是什么?

 
安德烈

如你所知,这说明不了什么。对胜利的期望是什么?

当然,它并没有说明什么,但真正的市场是这样的。 预测是绝对正确的,我可以很好地猜测趋势和即将出现的逆转,可以说...优于所有已知的指标。这一切都在公开场合。
垫子的期望值还没有被计算在内。
 
叶夫根尼-迪尤卡
但真正的市场说,预测是绝对充分的,对趋势和即将发生的逆转的猜测是非常好的,可以说...优于所有已知的指标。所有这些都是公开的。

猜测的百分比并不能说明什么,可以有99%的猜测是盈利的,1%的猜测是不盈利的,这将涵盖所有的利润。

叶夫根尼-迪尤卡
垫子的期望值还没有被计算在内。

为什么这么说?

 
Andrei:

猜测的百分比并不能说明什么,可能有99%的猜测是盈利的,1%的猜测是不盈利的,这将涵盖所有的利润。

为什么这么说?

你可以说服我,我是错的。我做了这个项目 6个月,每天16个小时,得到了这个结果。我不能给你看,因为你在等待一个链接,我将给你一个赌场广告。

一个反问,我们还应该在哪里像在核心论坛一样讨论这个问题?
也许为了安全起见,我们应该从论坛上配备一名代表,他将穿上防护服,在链接上穿鞋,观察并告诉--这到底是不是赌场。
之后,我们将讨论它。

 
安德烈

猜测的百分比并不能说明什么,可能有99%的猜测是盈利的,1%的猜测是不盈利的,这将涵盖所有的利润。

为什么这么说?

在这个话题中,猜中的百分比并不重要,这是一个不同的类别。这里的主要问题是网络是否在学习。如果它显示出可学习的迹象,那么门就打开了,然后预测的质量就可以无限地提高。一切都将取决于设备和时间。