معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Technical Analysis enhanced through Machine Learning

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	MLTA-0.0.5
نام	MLTA
نسخه کتابخانه	0.0.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	DeeperTrade
ایمیل نویسنده	chakrit.y@deepertrade.com
آدرس صفحه اصلی	https://github.com/palmbook/MLTA
آدرس اینترنتی	https://pypi.org/project/MLTA/
مجوز	-

# MLTA Machine Learning Driven Technical Analysis Library in Python. ## Motivation Technical Analysis has long been a stable for generating insights for trading. While the predictive power of each individual indicator is up for a debate, it is no denying that technical indicators are useful tools to create summary statistics for time-series data. This usefulness is not limited to finance, but rather any domain with necessity to deal with time series. However, most indicators are interpreted in a too simplistic way. For example, candlestick patterns classify each candle into one of a couple classes. However, we would get more useful information if we can also measure how close a candle matches each class. MLTA enables this possibility. Instead of returning classes, MLTA generates the likelihood of a candle belonging to a given class. The result is more granula information which leads to an improvement in accuracy. ## Installation MLTA is not yet on pypi. You can install the package through the following command: pip install git+https://github.com/palmbook/MLTA.git ## Usage #### Candlestick Patterns from MLTA import Candlestick candle_model = Candlestick() # df must have columns open, high, low, and close (in lower letters) # class_prob contains columns of probabilities for each possible class class_prob = candle_model.CDL3INSIDE(df) Available methods are * CDL3INSIDE * CDL3LINESTRIKE * CDL3OUTSIDE * CDL3WHITESOLDIERS * CDLCLOSINGMARUBOZU * CDLCOUNTERATTACK * CDLDOJI * CDLDRAGONFLYDOJI * CDLGAPSIDESIDEWHITE * CDLGRAVESTONEDOJI * CDLHAMMER * CDLHARAMI * CDLHOMINGPIGEON * CDLINVERTEDHAMMER * CDLLADDERBOTTOM * CDLLONGLEGGEDDOJI * CDLLONGLINE * CDLMARUBOZU * CDLMATCHINGLOW * CDLMORNINGDOJISTAR * CDLMORNINGSTAR * CDLRICKSHAWMAN * CDLRISEFALL3METHODS * CDLSEPARATINGLINES * CDLSHORTLINE * CDLSTICKSANDWICH * CDLTAKURI * CDLTASUKIGAP * CDLUNIQUE3RIVER * bullishPin * bearishPin

نحوه نصب

نصب پکیج whl MLTA-0.0.5:

pip install MLTA-0.0.5.whl

نصب پکیج tar.gz MLTA-0.0.5:

pip install MLTA-0.0.5.tar.gz