文章 "机器学习和交易中的元模型:交易订单的原始时序" - 页 10

 
Maxim Dmitrievsky #:
我看不出有什么预后。你可能会得癫痫 就像一些日本动画片里演的那样 所以要小心点

这是一本非线性动力学的教科书。有趣的是,整个画面由一个递推公式给出。也就是说,知道了你所在的位置和运动的方向,你就能很有可能说出你在一段时间后会在哪里。

关于上一幅图。我并不想用我的超级预测或圣杯让任何人大吃一惊,而且我指出,10%的工作量已经完成了。

附加的文件:
w6r5f.gif  82 kb
 
Inquiring #:

这是一本非线性动力学教科书中的内容。有趣的是,整个画面都是由一个递推公式给出的。也就是说,知道了你所在的位置和运动的方向,你就能很有可能说出你在一段时间后会在哪里。

关于上一幅图。我无意用我的超级预测或圣杯来打动任何人,而且我已经指出,10% 的工作已经完成。

祝你好运
 
Maxim Dmitrievsky #:
祝你好运

谢谢

 

您好!

对您的文章很感兴趣,学习起来很有意思。感谢您所做的工作。

我从未见过将网络翻译成 *.mqh 库的情况。有可能以这种方式翻译 CNN 网络吗?

我通过数据文件连接 Jupiter 和终端,这不是很方便。

我也想实现它。请告诉我在哪里可以找到。

谢谢。

 
djgagarin #:

你好

对您的文章很感兴趣,学习起来很有意思。感谢您的工作。

我从未见过将网络翻译成 *.mqh 库的情况。是否有可能将 CNN 网络翻译成 *.mqh 库?

我有一个通过数据传输文件与终端连接的木星,这不是很方便。

我也想实现它。请告诉我在哪里可以找到。

谢谢。

你好,你当然可以重写网络结构,然后在每次重新训练时立即将权重保存到文件或 mqh 中。

也许可以使用现成的,比如

我自己不处理网络,所以无法告诉你迁移的复杂性,这可能取决于网络的复杂性。

Нейросети — это просто (Часть 3): Сверточные сети
Нейросети — это просто (Часть 3): Сверточные сети
  • www.mql5.com
Продолжая тему нейронных сетей, предлагаю рассмотреть сверточные нейронные сети. Данный тип нейронных сетей был разработан для поиска объектов на изображении. Рассмотрим, как он может нам помочь в работе на финансовых рынках.
 

我收到一个警告

Warning (from warnings module):
  File "D:\FX\Python\meta_modeling.py", line 26
    pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
UserWarning: The argument 'infer_datetime_format' is deprecated and will be removed in a future version. A strict version of it is now the default, see https://pandas.pydata.org/pdeps/0004-consistent-to-datetime-parsing.html.可以放心地删除此参数。

不清楚这对正确操作是否至关重要,以及如何修复?

def get_prices() -> pd.DataFrame:
    p = pd.read_csv('EURUSDMT5.csv', delim_whitespace=True)
    pFixed = pd.DataFrame(columns=['time', 'close'])
    pFixed['time'] = p['<DATE>'] + ' ' + p['<TIME>']
    pFixed['time'] = pd.to_datetime(pFixed['time'], infer_datetime_format=True)
    pFixed['close'] = p['<CLOSE>']
    pFixed.set_index('time', inplace=True)
    pFixed.index = pd.to_datetime(pFixed.index, unit='s')
    pFixed = pFixed.dropna()
    pFixedC = pFixed.copy()
 
Aleksey Vyazmikin #:

我收到了警告。

不清楚这对正确操作是否至关重要,以及如何解决?

在新的 pandas 中,用

format='mixed'
 
Maxim Dmitrievsky #:

在新的熊猫中,替换为

format='mixed'

是的,成功了,谢谢。

文章中有一些不清楚的地方:

"自动选择预测因子和标记交易"- 我在文章中找不到自动选择预测器方法的描述?

"数据现在已准备好用于训练。可以根据第二标签('meta_labels')对主要标签('labels')进行额外的重新划分,即从数据集中删除所有无利可图的交易"

在 Expert Advisor 中对新数据应用模型时,如何进行删除?

我不明白为什么初始阶段的标记会不同。难道这只是人为的,可以不这样做吗?

 
Aleksey Vyazmikin #:

是的,成功了,谢谢。

文章中有一些不清楚的地方:

"预测因子的选择和交易标记是自动的"- 我在文章中找不到自动选择预测器方法的描述?

"现在,数据已准备好用于训练。您可以根据第二标签('meta_labels')对主标签('labels')进行额外的重新划分,即从数据集中删除所有无利可图的交易"

在 Expert Advisor 中对新数据应用模型时,如何进行删除?

我不明白为什么初始阶段的标记不同。难道这只是人为造成的,可以不这样做吗?

这可能意味着符号和标签是通过函数建立的,所以是自动的。

当应用于新数据时,会使用已经训练好的模型,不需要删除任何东西。

标记则不同--因为我们不知道如何正确标记图表,所以选择了随机交易采样器。如果我们多次随机标记图表并多次重新开始训练,那么,根据大数定律....

 
如果您想要相同--使交易的最短和最长持续时间相同,最短=最长
如果我们知道如何正确操作,但我们不知道如何正确操作....

你可以用任何自动分区函数代替,这就是方法的灵活性。