Diskussion zum Artikel "Klassifizierungsmodelle in der Bibliothek Scikit-Learn und ihr Export nach ONNX"
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Neuer Artikel Klassifizierungsmodelle in der Bibliothek Scikit-Learn und ihr Export nach ONNX :
In diesem Artikel werden wir die Anwendung aller in der Bibliothek Scikit-Learn verfügbaren Klassifizierungsmodelle untersuchen, um die Klassifizierungsaufgabe im Iris-Datensatz von Fisher, zu lösen. Wir werden versuchen, diese Modelle in das ONNX-Format zu konvertieren und die resultierenden Modelle in MQL5-Programmen zu verwenden. Außerdem werden wir die Genauigkeit der Originalmodelle mit ihren ONNX-Versionen auf dem vollständigen Iris-Datensatz vergleichen.
In der Pressemitteilung „Runtime is now open source“ wird erklärt, dass ONNX Runtime auch das ONNX-ML Profil unterstützt:
Das Profil ONNX-ML ist ein Teil von ONNX, der speziell für Modelle für maschinelles Lernen (ML) entwickelt wurde. Es ist für die Beschreibung und Darstellung verschiedener Arten von ML-Modellen, wie Klassifizierung, Regression, Clustering und andere, in einem praktischen Format gedacht, das auf verschiedenen Plattformen und Umgebungen, die ONNX unterstützen, verwendet werden kann. Das ONNX-ML-Profil vereinfacht die Übertragung, Bereitstellung und Ausführung von Modellen des maschinellen Lernens und macht sie leichter zugänglich und portabel.
In diesem Artikel werden wir die Anwendung aller Klassifizierungsmodelle des Scikit-Learn-Pakets zur Lösung der Klassifizierungsaufgabe von Fishers Schwertlilien, den Iris-Daten, untersuchen. Wir werden auch versuchen, diese Modelle in das ONNX-Format zu konvertieren und die resultierenden Modelle in MQL5-Programmen zu verwenden.
Autor: MetaQuotes