交易中的机器学习：理论、模型、实践和算法交易 - 页 532

[Vladimir Perervenko]

匿名 的。

并根据需要根据矩阵维度进行转置

只需使用两个函数kohonen::classvec2classmat, kohonen::classmat2classvec。你只需将这些功能复制到自己身上，并根据需要使用它们。

> classvec2classmat
function (yvec) 
{
    if (!is.factor(yvec)) 
        yvec <- factor(yvec)
    nclasses <- nlevels(yvec)
    outmat <- matrix(0, length(yvec), nclasses)
    dimnames(outmat) <- list(NULL, levels(yvec))
    for (i in 1:nclasses) outmat[which(as.integer(yvec) == i), 
        i] <- 1
    outmat
}

> classmat2classvec
function (ymat, threshold = 0) 
{
    class.names <- dimnames(ymat)[[2]]
    if (is.null(class.names)) 
        class.names <- 1:ncol(ymat)
    classes <- apply(ymat, 1, function(x) which(x == max(x))[1])
    classes[apply(ymat, 1, max) < threshold] <- NA
    factor(class.names[classes], levels = class.names)
}

祝好运

[Vladimir Perervenko]

elibrarius。

R的另一个问题。

在一台电脑上可以，在另一台电脑上，对代码的正确性有一些增加的要求。

比如说

darch.unitFunction = linearUnit - 导致Rterm.exe崩溃

改为

darch.unitFunction ="linearUnit"

这一点在下一个错误发生之前就已经开始了。

还不得不把library(darch)改为require(darch)。

现在是学习本身让人感到无奈。

R_NN <- darch(
darch = NULL。
x = MatrixLearnX ,
y = MatrixLearnY ,
paramsList = params
)

我试过很多变种， Rterm.exe 总是 崩溃。

R是否有某种错误等级控制？也许在第二台电脑上，我在每一次警告时都停下来，结果出现了错误级别的问题？

在两台电脑上，我都用默认设置安装了R，我安装了所有的软件包。
我怎样才能解决这个问题？

在一台和另一台电脑上拍下会话的快照，并进行比较。比如说

> sessionInfo()
R version 3.4.2 (2017-09-28)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

Matrix products: default

locale:
[1] LC_COLLATE=English_United States.1252 
[2] LC_CTYPE=English_United States.1252   
[3] LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                          
[5] LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils    
[5] datasets  methods   base     

other attached packages:
[1] kohonen_3.0.4        RevoUtils_10.0.6    
[3] RevoUtilsMath_10.0.1

loaded via a namespace (and not attached):
[1] MASS_7.3-47    compiler_3.4.2
[3] tools_3.4.2    Rcpp_0.12.13  

好运

[Forester]

弗拉基米尔-佩雷文科。

在一台和另一台电脑上拍下会话的快照并进行比较。比如说

好运

不是用这种方法，但我想出了办法--更像是通过试验和错误。
谢谢你

[Forester]

顺便说一下，我见过 "硬编码 "网络这个说法。
显然，它是为了获得带有权重和偏移的函数并计算输出。

例如，如何从darch获得第一层的权重：print(NN@layers[[1]]$weights)

有没有现成的脚本来创建这样一个硬编码的函数？

[Dr. Trader]

通过R做了加密货币交易的基本功能。加密货币交易所是bittrex，曾经在那里通过了所有的检查，所以现在我可以马上检查行动中的代码。
在代码中，你应该把API_KEY和API_SECRET的值改为交易所在个人资料设置 中给你的个人值。

少用这种交换器--他们的api没有获得ohlc值的功能，ticks需要自己收集并通过它们来建立ohlc条（或从外部资源下载）。要访问api并通过它（以及通过R）进行拖拽，需要通过身份验证，并激活2fa。

也许应该找一个通过api提供ohlc的交易所，而且不需要身份验证就可以交易，所有的交易所与api的工作一般都是类似的，这个脚本可以很容易地被改造成另一个交易所。

[СанСаныч Фоменко]

马克西姆-德米特里耶夫斯基。

但是，是的，90%是数据挖掘10%是模型选择

+100!

[Maxim Dmitrievsky]

尤里-阿索连科。

因此，你很快就得有一个采矿场，用于采矿战略。

好吧，现在的情况是：我之前做的机器人在小范围内是非常酷的光学仪器，在前进的一面，它的工作是50/50，也就是说，如果市场没有变化，它就会上升，如果市场有变化，它就会下降。它可以被修改，可以挤进更多Reshetov的神经元，或者有一个基于模糊逻辑的版本，它甚至更突然，但它增加了可优化的权重......所以基本上如果我在云端训练它一天，并支付大约...我不知道...100英镑，它可能会持续很长时间并带来良好的利润，但我还没有做好心理准备进行如此长时间的训练。第二个变体是一个自我优化的系统，它还没有准备好，它可能在没有优化器的情况下重新训练自己。 我更喜欢这个变体，但现在还不清楚 :)

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

现在的情况是这样的：我之前做的机器人在小范围内是非常酷的，在远期市场上，它的作用是50/50，也就是说，如果市场没有变化，它就上升，如果有变化，它就下降。它可以被修改，可以挤进更多Reshetov的神经元，或者有一个基于模糊逻辑的版本，它甚至更突然，但它增加了可优化的权重......所以基本上如果我在云端训练它一天，并支付大约...我不知道...100英镑，它可能会持续很长时间并带来良好的利润，但我还没有做好心理准备进行如此长时间的训练。第二个选项是一个自我优化系统，它还没有准备好，它将在没有优化器的情况下重新训练自己......我更喜欢这个变体，但目前还不清楚 :)

我不明白什么是优化器？

当我听到优化器时，我对测试员-优化器MT有不好的联想。

[Maxim Dmitrievsky]

尤里-阿索连科。

我不明白，什么是优化器？

当我听到优化器时，我对MT测试器-优化器产生了不好的联想。

是的，为什么不是好的？MO本质上是人工智能发明之前的优化。

遗传学也是一种MO

[Yuriy Asaulenko]

马克西姆-德米特里耶夫斯基。

是的，为什么不是好的？在人工智能被发明之前，MO本质上是优化。

遗传学也是人工智能的一部分。

优化是关于标准的。根据最大利润进行的优化并不是一个很好的标准。同时，没有理由相信它在未来会以某种方式发挥作用，我们在实践中经常看到这种情况，特别是在论坛上。