基于k近邻的分类器。 - MetaTrader 4 专家

基于内存的机器的实现k- 最近的邻居。这种方法没有产生预期的结果，可能是因为花在摆弄它的时间太少（最有可能），可能是因为缺乏一些知识。总之，我决定把这个方法贴出来供大家讨论，也许会有成果（我真的希望如此）。

Euclidean_Metric 函数是一个分类器。 使用描述交易或市场情况的可用向量基，该函数确定输入向量是否属于基中的任何组。向量按用户分组，在示例中很简单：如果交易以正结果结束，则为 1 类，如果结果为负，则为 0 类。多维向量的最近邻搜索是使用以下命令执行的欧几里得距离。然后它计算其中有多少个k-向量属于类别 1。之后，它将这个值除以邻居的总数（即除以k）并接收给定向量属于类别 1 的概率。由于向量的“错误”选择坐标，分类不能完全可信（简单地高于 0,5 或低于 0,5）。因此，包括了额外的阈值，即如果未来交易盈利的概率高于 0.7（例如），则进入市场。移动平均线的比率被视为向量的度量（坐标），假设比率是静态的，并且在对向量（交易）进行一次分类之后，该分类也可以用于前向测试。但事情没那么简单:)。到底为什么k-最近的邻居？仅仅是因为当考虑第一个最近邻时，它可能是随机值的异常尖峰，将选择该随机值进行分类，而不考虑附近存在相反（组中）向量的簇。详细说明S·海金«神经网络：综合基础»（学习方法）。

分类器有两个问题：

1） 找到描述市场状况（或未来交易）的静态数据，并具有所需的准确性或所需的正确分类水平。

2） 大量的数学运算，因此 - 计算需要一段时间......（顺便说一句，略小于PN网络）

简而言之，问题与传统 TS 几乎相同。优点是分类器可以形式化交易者看不到的条件，但会直观地感觉到指标的某些值会影响是否应该进行交易。

现在具体说说实施。

根据-真的用向量库编写一个文件，错误的 分类交易...

买_临界点=0.6 所有人的阈值买 职位

出售阈值=0.6同样地 为了 卖

逆_位置_打开_?=真的;这是一个有趣的观点。如果盈利交易的概率很小，那为什么不以倒仓的方式入市呢？该标志启用此类位置。

倒数_买_临界点=0.3阈值，此时盈利的概率买 头寸较小，然后开立卖出交易

invers_sell_threshold=0.3；同样地……

快=12的参数 平滑异同移动平均线

TP=40;获利了结

斯尔=30；止损

关闭_订单=错误的;仅当订单盈利时才启用相反信号平仓的标志...

用法：首先，标志根据-真的， 放斯尔=TP 并在历史记录上运行（1次！），写入矢量文件。下次设定时间根据-错误的 建议优化阈值，我根据第一份报告（不分类）选择它们。如果成功的概率 = 0,5 那么 阈值是 0,6 和 0,4（反转位置）

这又是一个例子，分类器可以以同样的方式应用到其他 TS，使用其他输入数据

分类前：

之后，优化阈值。

附件下载

📎 Stat_Euclidean_Metric.mq4 (12.82 KB)

Source: MQL5 #8645