交易中的机器学习:理论、模型、实践和算法交易 - 页 2127

 
elibrarius:

有两列必须送入模型--时钟的正弦和余弦。而正弦+余弦是指一周中的一天。关于为什么要这样做,请看链接。

pi = 3.141529 ...从学校出来。

好吧,我给你两个...

而关于圆周率,所以这个数字可能太大--谁知道需要什么精度...

3,1415926535897932384626433832795
 
Maxim Dmitrievsky:
You have CATboost 😑

那么,还有呢?我很好奇:))))。他吐出的一周的日子,现在让我们看看在新的数字包装的结果。

 
Aleksey Vyazmikin:

那么,还有呢?我很好奇:))))。他吐出的一周的日子,现在让我们看看在新的数字包装的结果。

以上是添加的。我在50年前的上个星期就告诉过你。
 
Maxim Dmitrievsky:
上文已添加
Maxim Dmitrievsky:
你有CATboost 😑,只需将特征标记为分类的。

我无法将分类特征放入MQL代码中 :(

 
Aleksey Vyazmikin:

我没有可能在MQL代码中保存分类:(

那个库不是可以用catfixes吗?
 
Aleksey Vyazmikin:

好吧,我给你两个...

而关于Pi,所以这个数字可能太高了--谁知道需要什么精度...

3,1415926535897932384626433832795

7位数就够了

 
Maxim Dmitrievsky:
那个解放军不是可以用卡特芯片吗?

没有。

 
Aleksey Vyazmikin:

没有。

在python中的培训,有2行
 
Igor Makanu:

几年前看到这本书。

它看起来...嗯,是的,它很吸引人,但实际上--为什么? 如果是为了写文凭或博士学位--是的,它是一本案头书。

如果目的是时间序列--这本书是关于别的东西,关于计算机发展初期的随机森林的发明。

我认为,即使是NS的合奏,也不习惯在实践中应用,如何与BP合作?好吧,作为一个选项,搞乱了一堆很多的NS,最后你得到自动编码器?- 我怀疑用这本书甚至可以得到一个卷积网络


沃龙佐夫更多的是与旧知识有关,还有数据处理--我正在咀嚼一些关于BP的在线课程--里面有一些东西;)

你应该在几年前就读过它,当时你第一次在这里发帖))。这些方法仍在使用,包括用于时间序列,并且与深度学习相比有很多优势。例如,Zircon在时间序列上的表现比Lstm好,原理与MSUA相同。自动编码器和卷积是一个完全不同的故事。时间序列上有什么可以看的吗?通常,这都是关于季节性和自回归的问题。事实上,这些成分只会阻碍市场的发展。
 
Maxim Dmitrievsky
Learn Python,有2行

我一定是误解了你的问题。

MT5上没有分类预测器的模型解释器,CatBoost 用命令行可以做python版本能做的一切,除了纯python的东西,比如可视化。