외환 데이터 마이닝 도구

Forex 전공 전략 데이터 마이닝.

서로 다른 통화 쌍의 고유 한 특성 때문에 많은 양적 외환 전략은 특정 통화 쌍을 염두에두고 고안되었습니다. 이로 인해 많은 수익성있는 거래 전략이 생길 수 있지만 여러 통화 쌍을 통해 거래 될 수있는 전략을 개발하는 것도 이점이 있습니다. 이것은 추가적인 단점을 보완 할 수있는 다양 화 요소를 도입합니다.

다니엘 페르난데즈 (Daniel Fernandez)는 최근 네 가지 외환 전공 과목 각각을 거래 할 수있는 시스템을 발표했습니다. 그의 목표는 EUR / USD, GBP / USD, USD / JPY 및 USD / CHF로 20 년간의 수익성있는 거래 기록을 세웠을 시스템을 찾는 것이 었습니다.

Daniel은 데이터 마이닝 방식을 사용하여 4 개의 Forex 메이저 거래 전략을 개발합니다.

자신의 시스템을 구축하기 위해 Daniel은 데이터 마이닝 소프트웨어를 사용하여 지난 20 년간 4 가지 통화 쌍 각각에 대해 수익성있는 거래 전략을 수립 한 출입국 신호를 정의했습니다. 그가 생각해내는 것은 Forex 메이저 전략의 기초를 형성하는 3 가지 가격 기반 규칙의 조합입니다.

다니엘 & # 8217;의 Forex 메이저 전략.

Daniel의 Forex Majors 전략은 그것이 거래하는 4 가지 통화 쌍 각각에 길고 짧은 지위를 항상 가지고 있다는 점에서 매우 간단합니다. 그것은 모든 거래를 매일 차트에 올려 놓습니다.

이 전략은 다음 세 가지 조건이 충족되면 오래갑니다.

다음 세 가지 조건이 충족되면 전략이 짧아집니다.

보시다시피 전략은 기본적으로 전략에 따라 최적화 된 추세입니다. Daniel은 기사의 시작 부분에서 장기 추세 다음 전략은 일반적으로 여러 시장을 거래하기위한 최상의 전략이라는 점을 감안할 때 이는 의미가 있습니다.

Daniel의 전략이 사용하는 또 하나의 규칙은 ATR 기반 정지 손실입니다. 고정 정지 손실은 20 일 ATR의 180 %로 설정됩니다. 정지 손실이 발생하면 신호는 반대 방향으로 신호가 생성 될 때까지 시장에서 이탈합니다. 테스트 결과 동일한 방향으로 신호를 다시 입력하면 성능에 부정적인 영향을 미침을 나타냅니다.

백 테스팅 성능.

Daniel이 자신의 게시물에 포함시킨 백 테스트 결과에 따르면 전략은 상당히 수익성이있었습니다. 그것은 45 %의 우승 비율, 1.38의 이익 요인 및 1.68의 위험 비율에 대한 보상을 생산했습니다. Daniel의 전략에 대한 가장 큰 우려는 최대 하락 기간이 매우 긴 시간 이었음을 나타냅니다.

Daniel의 수치에 따르면 연평균 수익률은 9.67 %입니다. 이것은 수익성있는 16 년, 잃는 해 4 년 및 기본적으로 균등 한 1 년으로 구성됩니다. 가장 좋은 해는 37.76 %의 수익률이었고 최악의 해는 20.2 %의 손실이었습니다.

다니엘은이 시스템이 최대의 인출과 관련하여 수익을 내기 때문에 좋은 독립 실행 형 전략을 대표하지 않을 것이라고 지적합니다. 그러나 그는 더 큰 멀티 시스템 전략의 흥미로운 부분 일 수 있다고 제안합니다.

예, 데이터 마이닝은 Forex 전략에서 매우 유용한 시스템이며, 제품에 대한 정보를 점점 더 많이 얻는 데 도움이됩니다.

FX 데이터 마이닝 소개.

오늘 가장 흥미로운 분야 중 하나 인 데이터 마이닝에 대해 간단하고 신속하게 소개해 드리겠습니다. 다양한 데이터 마이닝 응용 프로그램이 있습니다. 우리는 FX 거래에서 데이터 마이닝을 통합해야합니다.

FX, FOREX 또는 외국환.

FX는 일일 거래량 측면에서 가장 큰 시장입니다. 그것은 참가자의 세 가지 주요 수준 : 큰 소년, 중급 수준과 당신과 나 같은 간단한 상인이 있습니다. 그것은 투기 적 성격을 가지고 있습니다. 이것은 우리가 상품을 교환하지 않는 대부분의 시간을 의미합니다. 우리는 차이점 만 돌보고 낮은 것을 사고 높은 것을 팔거나 높은 것을 팔고 낮은 것을 사고 싶습니다. 짧거나 긴 작업으로 pips를 얻을 수 있습니다. 거래량에 따라 핍 가치는 1 센트에서 10 달러 이상까지 다양합니다. 이것은 외환 시장에서 돈을 버는 주요 방법입니다 (Carry Trade, Brokering, Arbitrage 등과 함께). 외환 시장은 거대하지만 모든 수준의 플레이어에게 적합합니다. 외환 시장을 제품과 고객이 무한대 인 무한한 슈퍼마켓이라고 생각해도 무한한 수의 출납원이 있습니다. 모든 사람에게 동등한 기회가 있음을 의미합니다.

데이터 마이닝 및 기계 학습.

데이터 마이닝은 컴퓨터 과학의 성숙한 하위 분야입니다. 엄청난 양의 데이터로부터 유용한 지식을 추출하는 데는 많은 데이터가 포함됩니다. 기계 학습 알고리즘을 사용하여 지능형 데이터 처리를 수행합니다. 데이터 마이닝은 CRUD (작성, 읽기, 업데이트 및 삭제)만이 아닙니다. 우리는 여러 가지 데이터 마이닝 방법을 가지고 있습니다. 이로써 방법 및 일부 응용 프로그램.

분류 - 스팸으로 분류하여 거래를 사기로 분류합니다. 협회 - YouTube는 YouTube의 역사를 바탕으로 새로운 동영상을 제안합니다. Amazon은 체크 아웃 중에 더 많은 항목을 제안합니다. 클러스터링 - 일반 그룹을 찾기 위해 경제 뉴스 및 의견과 같은 비정형 데이터 분석. 프로세스 마이닝 - 비효율적 인 작업을 찾기 위해 호출 운영자의 로그를 검사합니다. 텍스트 마이닝 - 패턴 인식을위한 광업 뉴스 또는 기술적 분석.

알고리즘 트레이딩은 거래 알고리즘의 자동 실행입니다. 우리의 경우 거래 알고리즘은 광산에서 발생합니다. 자동화 된 거래는 프로그래밍 언어의 일부 왕이 수행합니다. 속도와 견고성은 여기서 중요한 포인트입니다. 인간 상인은 그러한 특성에 관한 컴퓨터 프로그램을 이길 수 없습니다. HFT (High Frequency Trading) 및 저수준 프로그래밍 (C ++) 또는 장기 트레이딩 및 고급 프로그래밍 (Java)이 될 수 있습니다.

데이터 마이닝과 알고리즘 거래를 혼합합니다.

알고리즘 거래에서 데이터 마이닝을 혼합하는 것이 중요합니다. 가장 중요한 것은 데이터입니다. 간단한 원칙에 따르면 데이터가 충분하지 않으면 모델이 충분하지 않을 수 있습니다 (GIGO). 모델 만들기, 구현 및 테스트 (항상 그렇듯이)에 관한 것입니다. 현재이 흐름은 대부분 수동입니다.

데이터 마이닝 분야에는 많은 오픈 소스 소프트웨어 옵션이 있습니다. WEKA는 뉴질랜드 해밀턴 대학 (University of Waikato)에서 시작된 데이터 마이닝 프레임 워크입니다. WEKA는 Java로 작성되었으며 훌륭한 API를 가지고있다. 또한 잘 알려진 대부분의 기계 학습 알고리즘에 대한 구현이 있습니다.

좋은 도구의 혼합이 중요합니다. 가능한 거래 모델이 너무 많습니다. 동전 던지기는 어리석은 거래 시스템이지만 거래 시스템입니다. 금을 찾으려면 데이터 마이닝이 필요합니다. 좋은 도구는 광산업에 아주 좋은 행운을 얻습니다.

algotrading.

71 & # 32; пользователь находится здесь.

МОДЕРАТОРЫ.

Reddit에 오신 것을 환영합니다.

인터넷의 첫 페이지.

수천 개의 커뮤니티 중 하나에 가입하십시오.

отправлено & # 32; 2 месяца назад & # 32; автор & # 32; bmkinyua.

토론에 추가하고 싶습니까?

[-] zbanga 알고리즘 트레이더 & # 32; 0 очков 1 очко 2 очка & # 32; 2 개월 전 (2 주 전)

помощь правила сайта центр поддержки вики реддикет 모드 가이드 라인 связаться с нами.

приложенияи инструменты Reddit for iPhone Reddit for Android 모바일 웹 사이트 кнопки.

회신을 보내십시오. & # 32; & # 32; Политика конфиденциальности. &부; 2017 reddit 그래픽입니다. Все права защищены.

REDDIT 및 ALIEN 로고는 reddit inc의 등록 상표입니다.

& pi; PID 23043에 따라 & # 32; app-248 & # 32; 2017-12-15 21 : 22 : 57.928597 + 00 : 00 39013a4 국가 코드 사용 : UA.

50 최고 무료 데이터 마이닝 소프트웨어.

데이터 마이닝은 인공 지능, 기계 학습, 통계 분석 및 데이터베이스 시스템을 사용하는 방법을 포함하는 대규모 데이터 세트의 패턴을 발견하고 데이터 세트에서 정보를 추출하여 추가 사용을 위해 이해 가능한 구조로 변환하는 계산 프로세스입니다. Orange 데이터 마이닝, R 소프트웨어 환경, RapidMiner, Weka 데이터 마이닝, KNIME, SpagoBI 비즈니스 인텔리전스, Anaconda, Shogun, ELKI, Scikit-learn, CMSR 데이터 마이너, Fityk, mlpi, Dlib, Rattle GUI, GNU Octave, Pandas, Natural Language 아파치 마우트, TraMineR, ROSETTA, KEEL, ADaM, ML-Flex, PHP, OpenMedia, OpenNN, TANAGRA, Alteryx 프로젝트 에디션, Apache UIMA, Vowpal Wabbit, MALLET, CLUTO, streamDM, DataMelt, Chemicalize. org, Jubatus, 데이터 처리, Dataiku, SenticNet API, LIBSVM 및 LIBLINEAR, Lattice Miner, Gnome datamine 도구, yooreeka, AstroML, jHepWork, ARMiner 및 arules 용 모듈 툴킷은 최고의 무료 데이터 마이닝 소프트웨어 중 일부입니다.

Sisense는 가장 기술적이지 않은 사용자가 데이터에 액세스하고 대화 형 대시 보드 및 비즈니스 인텔리전스 보고서를 작성할 수있는 권한을 부여합니다. Sisense는 지리적지도, KPI를 측정하는 계측기, 추세를 결정하는 선형 차트, 상관 관계를 확인하기위한 플롯 차트 및 명확한 비교를위한 원형 차트와 같이 데이터에 대한 최상의 시각화를 정확하게 나타 내기 위해 다양한 대시 보드 위젯을 제공합니다. 끌어서 놓기 기능을 갖춘 대시 보드 레이아웃을 사용하면 최적의 표현을 위해 원하는 위치에 각 위젯을 정확하게 배치 할 수 있습니다.

오렌지 데이터 마이닝.

Orange는 오픈 소스 데이터 시각화 및 분석 도구입니다. 오렌지는 슬로베니아 류블 랴나 대학교 컴퓨터 정보 학부의 생물 정보학 연구소에서 오픈 소스 커뮤니티와 함께 ​​개발되었습니다. 데이터 마이닝은 비주얼 프로그래밍 또는 Python 스크립팅을 통해 수행됩니다. 이 도구에는 기계 학습을위한 구성 요소, 생물 정보학 및 텍스트 마이닝 용 애드온이 있으며 데이터 분석을위한 기능이 포함되어 있습니다. Orange는 Python 라이브러리입니다. Python 스크립트는 터미널 창, PyCharm 및 PythonWin과 같은 통합 환경 또는 iPython과 같은 쉘에서 실행할 수 있습니다. 오렌지는 사용자가 배치 할 수있는 캔버스 인터페이스로 구성됩니다.

R 소프트웨어 환경.

R은 통계 계산 및 그래픽을위한 무료 소프트웨어 환경입니다. 다양한 UNIX 플랫폼, Windows 및 MacOS에서 컴파일 및 실행됩니다. R은 데이터 조작, 계산 및 그래픽 표시를위한 소프트웨어 기능의 통합 제품군입니다. 기능 중 일부는 효과적인 데이터 처리 및 저장 기능, 배열, 특히 매트릭스에 대한 계산을위한 연산자 모음, 데이터 분석을위한 중간 도구의 대규모 통합 된 모음집, 데이터 분석을위한 그래픽 기능 및 컴퓨터 또는 하드 카피, 그리고 조건부를 포함하여 잘 개발되고 간단하고 효과적인 프로그래밍 언어 ...

RapidMiner.

RapidMiner : RapidMiner는 기계 학습, 데이터 마이닝, 텍스트 마이닝, 예측 분석 및 비즈니스 분석을위한 통합 환경을 제공하며 비즈니스 및 산업 애플리케이션은 물론 연구, 교육, 교육, 신속한 프로토 타이핑 및 애플리케이션 개발에도 사용됩니다. RapidMiner는 결과 시각화, 검증 및 최적화를 포함한 데이터 마이닝 프로세스의 모든 단계를 지원합니다. RapidMiner는 서버를 클라우드 인프라 또는 서비스로서 소프트웨어로 제공되는 클라이언트 / 서버 모델을 사용합니다. RapidMiner는 데이터로드 및 변환, 데이터 사전 처리 및 시각화, 예측 분석 및 통계 모델링, 평가 및 배포를 비롯한 데이터 마이닝 및 기계 학습 절차를 제공합니다. RapidMiner가 작성된 것입니다 ...

Weka 데이터 마이닝.

Weka는 데이터 마이닝 작업을위한 기계 학습 알고리즘 모음입니다. 알고리즘은 데이터 세트에 직접 적용하거나 자신의 Java 코드에서 호출 할 수 있습니다. Weka 기능에는 기계 학습, 데이터 마이닝, 전처리, 분류, 회귀, 클러스터링, 연관 규칙, 속성 선택, 실험, 워크 플로 및 시각화가 포함됩니다. Weka는 뉴질랜드의 Waikato 대학에서 개발 된 Java로 작성되었습니다. Weka의 모든 기술은 데이터가 하나의 플랫 파일 또는 관계로 사용 가능하다는 가정에 근거합니다. 각 데이터 포인트는 고정 된 수의 속성으로 설명되며 Weka는 SQL 데이터베이스에 대한 액세스를 제공합니다 ...

KNIME : Konstanz Information Miner 인 KNIME는 오픈 소스 데이터 분석, 보고 및 통합 플랫폼입니다. KNIME는 모듈러 데이터 파이프 라이닝 개념을 통해 기계 학습 및 데이터 마이닝을위한 다양한 구성 요소를 통합하고 그래픽 사용자 인터페이스를 제공하여 데이터 전처리, 모델링 및 데이터 분석 및 시각화를위한 노드 어셈블리를 지원합니다. KNIME Analytics Platform은 Univariate 및 Multivariate Statistics, 데이터 마이닝, 시계열, 이미지 처리, 웹 분석, 텍스트 마이닝, 네트워크 분석 및 소셜 미디어 분석과 같은 주제에 대해 기본적으로 또는 R 및 Weka를 통해 1000 가지가 넘는 데이터 분석 루틴을 제공합니다. 상호 작용을 통해 KNIME 분석 워크 플로우를 실행할 수 있습니다 ...

SpagoBI 비즈니스 인텔리전스.

SpagoBI Business Intelligence : SpagoBI는 광범위한 분석 기능, 기능적 의미 계층 및 지형 공간 분석을 포함한 일련의 고급 데이터 시각화 기능을 제공하는 오픈 소스 비즈니스 인텔리전스 제품군입니다. SpagoBI Suite의 모듈은 SpagoBI Server, SpagoBI Studio, SpagoBI Meta 및 SpagoBI SDK입니다. SpagoBI Server는 핵심 모듈이며 분석 기능을 제공합니다. 분석 모델 및 동작 모델, 관리 도구 및 교차 플랫폼 서비스라는 두 가지 개념 모델을 제공합니다. SpagoBI 비즈니스 인텔리전스 SpagoBI Studio를 사용하면 개발자는 보고서, 차트 등의 분석 문서를 디자인하고 수정할 수 있습니다.

Anaconda는 Python을 기반으로하는 개방형 데이터 과학 플랫폼입니다. Anaconda의 오픈 소스 버전은 Python 및 R의 고성능 배포이며 데이터 과학을 위해 가장 많이 사용되는 Python, R 및 Scala 패키지 100 개 이상을 포함합니다. 아나콘다에 포함되어있는 패키지, 종속성 및 환경 관리자 인 conda로 쉽게 설치할 수있는 720 개가 넘는 패키지에 액세스 할 수 있습니다. 가장 인기있는 Python, R & amp; 통계, 데이터 마이닝, 기계 학습, 심층 학습, 시뮬레이션 & amp; 최적화, 지형 공간, 텍스트 & amp; NLP, 그래프 & amp; 네트워크, 이미지 분석. 추천 패키지는 다음과 같습니다 : NumPy, SciPy, ...

Shogun은 C ++로 작성된 무료 오픈 소스 도구 상자입니다. 그것은 기계 학습 문제에 대한 수많은 알고리즘과 데이터 구조를 제공합니다. Shogun의 초점은 회귀 및 분류 문제에 대한 지원 벡터 시스템과 같은 커널 시스템에 있습니다. Shogun은 또한 숨겨진 마르코프 모델을 완벽하게 구현합니다. 도구 상자를 사용하면 여러 데이터 표현, 알고리즘 클래스 및 범용 도구를 쉽게 결합 할 수 있습니다. 이를 통해 데이터 파이프 라인의 신속한 프로토 타이핑과 새로운 알고리즘 측면에서의 확장 성을 모두 구현할 수 있습니다. 이제는 분류, 회귀, 차원 성 등의 많은 고전적 방법을 포함하여 기계 학습 방법의 전체 공간에 걸쳐있는 기능을 제공합니다 ...

ELKI 프레임 워크는 Java로 작성되고 모듈러 아키텍처를 기반으로합니다. 현재 포함 된 대부분의 알고리즘은 클러스터링, 이상치 탐지 및 데이터베이스 색인에 속합니다. ELKI의 핵심 개념은 임의의 알고리즘, 데이터 유형, 거리 함수 및 색인의 조합을 허용하고 이러한 조합을 평가하는 것입니다. 새로운 알고리즘이나 인덱스 구조를 개발할 때 기존 구성 요소를 재사용하고 결합 할 수 있습니다. ELKI는 데이터를 열 그룹 (NoSQL 데이터베이스의 열 패밀리와 유사)에 저장하는 수직 데이터 레이아웃을 사용하는 데이터베이스 코어를 모델로합니다. 이 데이터베이스 코어는 가장 가까운 이웃 검색, 범위 / 반경 검색 및 거리를 제공합니다.

Scikit-learn.

Scikit-learn은 Python 프로그래밍 언어 용 오픈 소스 시스템 학습 라이브러리입니다. 지원 벡터 머신, 임의 포리스트, 그라디언트 증폭, k-means 및 DBSCAN을 비롯한 다양한 분류, 회귀 및 클러스터링 알고리즘을 제공하며 Python과 상호 운용하도록 설계되었습니다. 숫자 및 과학 도서관 NumPy 및 SciPy. 분류 : 객체가 어떤 카테고리에 속하는 지 식별 : 스팸 탐지, 이미지 인식. 알고리즘 : SVM, 가장 가까운 이웃, 무작위 포리스트. 회귀 : 객체와 관련된 연속 값 속성을 예측합니다. 신청 : 마약 응답, 주가. 알고리즘 : SVR, 능선 회귀. 클러스터링 : 유사한 개체를 그룹으로 자동 그룹화합니다. 애플리케이션 : 고객 세분화, 실험 결과 그룹화 ...

CMSR 데이터 마이너.

StarProbe Data Miner 또는 CMSR Data Miner Suite는 예측 모델링, 세분화, 데이터 시각화, 통계 데이터 분석 및 규칙 기반 모델 평가를위한 통합 환경을 제공하는 소프트웨어입니다. 고급 고급 사용자를 위해 통합 분석 및 규칙 엔진 환경도 제공됩니다. 이 소프트웨어는 다음과 같은 많은 기능을 가지고 있습니다 : 매우 강력한 전문가 시스템 셸 규칙 엔진을 대표하는 딥 학습 모델링 RME-EP는 신경망, 자체 구성지도, 의사 결정 트리, 회귀 등과 같은 예측 모델링을 지원합니다. SQL - 사용자는 매우 쉽고 빠르게 배울 수 있습니다. 또한 RME-EP 전문가 시스템 규칙은 비 IT 부서에서 작성할 수 있습니다.

Fityk는 데이터 처리 및 비선형 커브 피팅을위한 프로그램입니다. 파우더 회절, 크로마토 그래피, 광 발광 및 광전자 분광학, 적외선 및 라만 분광학 및 기타 실험 기법의 데이터를 분석하는 과학자가 주로 사용하며 종 모양의 함수 (Gaussian, Lorentzian, Voigt, Pearson VII, EMG, Doniach-Sunjic 등)을 포함하지만 2D (x, y) 데이터에 대한 곡선을 맞추는 데 적합합니다. Fityk는 사용자에게 다음과 같은 기능을 제공합니다. 직관적 인 그래픽 인터페이스 (및 명령 줄 인터페이스), 많은 데이터 파일 형식 지원, xylib 라이브러리 덕분에, 수십 내장 기능과 지원 ...

Mlpy는 기계 학습으로 알고 있습니다 Python은 NumPy / SciPy (수학, 과학 및 공학용 오픈 소스 소프트웨어의 Python 기반 생태계) 및 GNU 과학 라이브러리 (C 및 수치 라이브러리를 나타내는 숫자 라이브러리를 기반으로합니다. 난수 생성기, 특수 함수 및 최소 제곱 피팅과 같은 광범위한 수학 루틴이 제공되는 C ++ 프로그래머). supervised 및 unsupervised 문제에 대해 광범위한 최첨단 기계 학습 방법이 제공되며 mlpy는 모듈성, 유지 보수성, 재현성, 유용성 및 효율성 중에서 합리적인 절충안을 찾는 데 목적이 있습니다. 그것은 몇 줄과 높은 수준의 기능과 클래스를 제공합니다 ...

Dlib은 실제 문제를 해결하기 위해 C ++로 복잡한 소프트웨어를 만드는 순서로 기계 학습 알고리즘과 도구를 포함하는 최신 C ++ 툴킷입니다. 로봇 공학, 임베디드 장치, 휴대 전화 및 대형 고성능 컴퓨팅 환경을 비롯한 광범위한 영역에서 사용됩니다. 사용자가 모든 앱에서 사용할 수 있음을 의미하는 모든 청구가 무료입니다. Dlib의 주요 기능은 다음과 같습니다. documentation - 모든 클래스와 함수에 대한 완전하고 정확한 문서화를 제공하며 많은 예제 프로그램이 제공됩니다. 고품질 휴대용 코드 - MS Windows에서 테스트 한 좋은 단위 테스트 범위 ...

Rattle GUI.

Rattle은 무료 오픈 소스 소프트웨어이며 소스 코드는 Bitbucket 저장소에서 사용할 수 있습니다. Rattle은 사용자가 코드를 검토하고, 사용자가 좋아하는 용도로 사용하며, 제한없이 원하는대로 확장 할 수있는 자유를줍니다. Rattle은 R을 사용하여 데이터 마이닝에 널리 사용되는 GUI입니다. 데이터의 통계 및 시각적 요약을 제공하고, 쉽게 모델링 할 수있는 데이터를 변환하며, 데이터에서 감독되지 않은 모델과 감독 된 모델을 모두 작성하고 그래픽의 성능을 그래픽으로 표시하며 새로운 데이터 세트를 얻습니다. 가장 중요한 기능 중 하나는 사용자의 모든 상호 작용 ...

GNU Octave.

GNU 옥타브는 수치 계산을위한 고수준 언어를 나타냅니다. 커맨드 라인 인터페이스 덕분에 사용자는 선형 및 비선형 문제를 수치로 풀 수 있고 Matlab과 거의 호환되는 언어를 통해 다른 수치 실험을 수행 할 수 있습니다. 이 소프트웨어는 플로팅 및 시각화 툴이 내장 된 강력한 수학 중심의 구문과 같은 기능을 가지고 있으며, 많은 Matlab 스크립트와 호환되는 GNU / Linux, macOS, BSD 및 Windows에서 실행되는 자유 소프트웨어입니다. Matlab과 크게 호환되는 구문은 Octave 구문입니다. 그것은 여러 가지 방법으로 - GUI 모드에서, 콘솔로 또는 실행될 수 있습니다.

Pandas는 Python 프로그래밍 언어를위한 고성능, 사용하기 쉬운 데이터 구조 및 데이터 분석 도구를 제공하는 오픈 소스, BSD 라이선스 라이브러리입니다. Pandas는 NUMFocus가 후원하는 프로젝트입니다. 이것은 세계적 수준의 오픈 소스 프로젝트로서의 판다 개발의 성공을 보장하고 프로젝트에 기부 할 수있게합니다. 판다를 얻는 가장 좋은 방법은 conda를 통해 설치하는 것입니다. osx-64, linux-64, linux-32, win-64, Python 2.7, Python 3.4 및 Python 3.5 용 win-32 빌드를 모두 사용할 수 있습니다. 이것은 0.19.2의 주요 릴리즈이며 큰 API와 함께 다양한 API 변경, 사용 중단, 새로운 기능, 향상된 기능 및 성능 향상을 포함합니다 ...

Natural Language Toolkit.

NLTK는 인간 언어 데이터로 작업 할 수있는 Python 프로그램을 작성하기위한 최고의 플랫폼입니다. 분류, 토큰 화, 형태소 분석, 태깅, 구문 분석 및 의미 론적 추론을위한 텍스트 처리 라이브러리 모음과 함께 WordNet과 같은 50 개가 넘는 보충 자료와 어휘 자원에 대한 사용하기 쉬운 인터페이스, 산업 강도가 높은 NLP 라이브러리의 래퍼, 적극적인 토론 포럼. NLTK는 전산 언어학의 주제와 함께 프로그래밍 기초를 소개하는 실제 안내서와 포괄적 인 API 문서로 언어 학자, 엔지니어, 학생, 교육자, 연구원 및 업계 사용자 모두에게 적합합니다. NLTK는 Windows, Mac OS X 및 Linux에서 사용할 수 있습니다. 무엇보다도, NLTK ...

OpenNN은 컴퓨터 학습 연구의 주요 영역 인 신경망을 구현하는 C ++ 프로그래밍 언어로 작성된 오픈 소스 클래스 라이브러리입니다. 이 라이브러리는 감독 학습을 위해 비선형 처리 단위의 여러 레이어를 구현합니다. 이 심층 아키텍처는 보편적 근사 속성을 가진 신경망 설계를 가능하게합니다. OpenNN의 가장 큰 장점은 고성능입니다. 더 나은 메모리 관리와 처리 속도 향상을 위해 C ++로 개발되었으며 CUDA로 OpenMP 및 GPU 가속화를 통해 CPU 병렬 처리를 구현합니다. OpenNN은 ANSI C ++로 작성되었습니다. 이것은 라이브러리가 구축 될 수 있다는 것을 의미합니다 ...

Tanagra는 학술 및 연구 목적으로 무료 데이터 마이닝 소프트웨어를 제공합니다. 탐색 데이터에서 여러 데이터 마이닝 메소드를 제공합니다.

안녕하세요, 데이터 마이닝 소프트웨어 마녀 1 광산에 대한 것이 좋습니다 것이신가요? 고맙습니다.

이들 중 어느 것이 영어 이외의 기능을 가지고 있습니까?

안녕 친구! 클라우드 기반 데이터 분석 소프트웨어를 수행하려는 시도가 있습니까? Phoenix가 언급 한 문제를 해결할 수 있다고 생각합니다.

나는 의심스러운 활동의 지표를 찾기 위해 테러리스트 활동을 예측하거나 물질적 움직임 (선박, 구매 및 명령)을 분석하는 데 사용될 수있는 데이터 마이닝 프로그램이 있는지 알고 싶다.

저는 보안 컨설턴트이자 고문입니다. 이런 종류의 정보는 저의 협의에서 유용 할 것입니다.

어떤 활동을 예측하기 위해서는 어떤 변수를 예측해야하는지 알고 있어야합니다. 또한 예측 분석을 실행하고 다른 이벤트 간의 가능한 상관 관계를 찾기 위해 히스토리 데이터가 필요합니다. 나는 미국의 어딘가에서 경찰이 역사 범죄 데이터 (내가 잘못하지 않는다면 뉴 올리언스)를 기반으로 범죄 예측을 사용한다는 것을 안다. 결론 : 정보를 얻으려면 데이터가 필요하다! 재미있다

Algolytics의 AdvancedMiner를 참조하십시오. 그들은 무료 / 커뮤니티 버전 algolytics / 제품 / advancedminer /

답장 취소.

Predictive Analytics Today는 엔터프라이즈 소프트웨어의 검토, 비교, 연구, 해설 및 분석을 제공합니다. 우리는 PAT Index ™ 제품 검토, 사용자 리뷰 및 비교를 제공하여 IT 의사 결정자가 기술, 소프트웨어 및 전략을 식별 할 수 있도록 지원합니다.

뉴스 레터 구독을 통해 36,624 명 이상의 전문가와 만나십시오. 그 무료!

또한 EIGHT Page Business Intelligence Market Outlook 보고서를 제공받을 수 있습니다.

개인 정보 보호 정책 : 우리는 스팸을 싫어하며 주소를 안전하게 지키겠다고 약속합니다.