Diskussion zum Artikel "Datenkennzeichnung für die Zeitreihenanalyse (Teil 6):Anwendung und Test in einem EA mit ONNX"
![MQL5 - Sprache von Handelsstrategien, eingebaut ins Kundenterminal MetaTrader 5](https://c.mql5.com/i/registerlandings/logo-2.png)
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 Datenkennzeichnung für die Zeitreihenanalyse (Teil 6):Anwendung und Test in einem EA mit ONNX :
In dieser Artikelserie werden verschiedene Methoden zur Kennzeichnung (labeling) von Zeitreihen vorgestellt, mit denen Daten erstellt werden können, die den meisten Modellen der künstlichen Intelligenz entsprechen. Eine gezielte und bedarfsgerechte Kennzeichnung von Daten kann dazu führen, dass das trainierte Modell der künstlichen Intelligenz besser mit dem erwarteten Design übereinstimmt, die Genauigkeit unseres Modells verbessert wird und das Modell sogar einen qualitativen Sprung machen kann!
Im vorigen Artikel haben wir besprochen, wie man einen Socket (Websocket) zur Kommunikation eines EAs mit einem Python-Server verwendet, um das Backtesting-Problem zu lösen, und wir haben auch erläutert, warum wir diese Technik gewählt haben. In diesem Artikel wird erörtert, wie ONNX, das von mql5 nativ unterstützt wird, verwendet werden kann, um Inferenzen mit unserem Modell durchzuführen, aber diese Methode hat einige Einschränkungen. Wenn Ihr Modell Operatoren verwendet, die von ONNX nicht unterstützt werden, kann es zu Fehlern kommen, sodass diese Methode nicht für alle Modelle geeignet ist (natürlich können Sie auch Operatoren hinzufügen, um Ihr Modell zu unterstützen, aber das erfordert viel Zeit und Mühe). Aus diesem Grund habe ich im letzten Artikel viel Platz darauf verwendet, die Socket-Methode vorzustellen und sie Ihnen zu empfehlen.
Natürlich ist die Konvertierung eines allgemeinen Modells in das ONNX-Format sehr praktisch und bietet uns eine effektive Unterstützung für plattformübergreifende Operationen. Dieser Artikel befasst sich hauptsächlich mit einigen grundlegenden Operationen zum Betrieb von ONNX-Modellen in mql5, einschließlich der Frage, wie man die Ein- und Ausgabe von Torch-Modellen und ONNX-Modellen aufeinander abstimmt und wie man geeignete Datenformate für ONNX-Modelle konvertiert. Dazu gehört natürlich auch die EA-Auftragsverwaltung. Ich werde es Ihnen im Detail erklären. Kommen wir nun zum Hauptthema dieses Artikels!
Autor: Yuqiang Pan