Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 2967

 
Aleksey Nikolayev #:

ONNX es, ante todo, un lenguaje. He aquí, por ejemplo, una lista de sus operadores. Cómo se representan exactamente en él los archivos de programa es una cuestión importante pero secundaria. Aparentemente, la cuestión es la disponibilidad de un conversor de un lenguaje a otro.

Puedes hacerlo todo en r, sólo entrenar el modelo final en Python, si necesitas meterlo en el terminal.

puedes hacerlo sin siquiera instalar nada, via google colab.

Yo usé xbox para entrenarlo así :)

 
Maxim Dmitrievsky #:

En r hacer todo, el modelo en python solo para entrenar el final, si es necesario meterlo en la terminal

puedes hacerlo sin ni siquiera instalar nada, via google colab

Aquí se trata de una violación del principio de que R lo tiene todo, casi como Grecia) Para mí es el primer caso en que no hay algo necesario allí. Tal vez el lenguaje está empezando a renunciar a su posición.

Maxim Dmitrievsky #:

Yo usaba xbox para enseñar asi :)

Probablemente es posible enseñar a través de una red de un televisor con una nevera y una plancha).

 
Aleksey Nikolayev #:

Se trata de violar el principio de que R lo tiene todo, casi como Grecia)

Nada es perfecto.
La comunidad de R es 100 veces más pequeña que la de Python.

Hay muchas cosas que R no tiene, y probablemente nunca tendrá.

En su nicho - estadística, MO, trabajo con datos (lo que necesitamos) es el mejor, pero fuera de este nicho creo que otros lenguajes pueden competir con R fácilmente.
 
Aleksey Nikolayev #:

Aquí se trata de violar el principio de que R lo tiene todo, casi como Grecia) Para mí es la primera vez que no hay algo necesario allí. Tal vez el lenguaje está empezando a perder terreno.

Tal vez es posible enseñar a través de la red del televisor con nevera y plancha)

¿Es onnx realmente tan necesario en R?

Básicamente ONNX es una secuencia de operaciones matemáticas elementales escritas al ejecutar un modelo/función/módulo. Cualquier secuencia compatible puede traducirse a ONNX. Pero como todo esto está muy poco estandarizado, requiere un esfuerzo extra para aprender, aplicar este tema o sólo aplicar paquetes que tienen convertidores incorporados.

Intenté en R convertir el modelo H2O guardado en MOJO con el convertidor de Python (sólo hay convertidores de JSOM, MOJO a ONNX) no funcionó. Necesito profundizar en este tema.

Envié una solicitud sobre la posibilidad de convertir bibliotecas a R (Torch, H2O, XGBoost). Sólo la última respondió y prometió un conversor JSON. Hasta ahora no hay ningún resultado.

En general, es necesario evaluar si esas ventajas de la aplicación ONNX merecen los esfuerzos para estudiarla y utilizarla. Esto debe decidirlo cada uno.

De todos los paquetes conversores que he revisado, el más avanzado, bien documentado y comprensible (en mi opinión) spox(v0.6.1).

Suerte

spox
  • 2023.03.14
  • pypi.org
A framework for constructing ONNX computational graphs.
 
Aleksey Nikolayev #:

Aquí se trata de violar el principio de que R lo tiene todo, casi como Grecia) Para mí es la primera vez que no hay algo necesario allí. Tal vez el lenguaje está empezando a perder terreno.

Tal vez es posible enseñar a través de la red del televisor con nevera y plancha)

En este punto, tal vez, podemos entrar con seguridad en el callejón sin salida evolutiva y dar paso a otras especies normales :D

 
Vladimir Perervenko #:

En general, hay que valorar si esas ventajas de la aplicación ONNX merecen el esfuerzo de aprender a utilizarla. Esto debe decidirlo cada uno.

Exactamente lo que he dicho muchas veces aquí -

nadie tiene ningún modelo de trabajo, pero todo el mundo necesita saber cómo implementar un modelo profundo a través de onnx :)

 
mytarmailS #:

Exactamente lo que he dicho muchas, muchas veces aquí.

nadie tiene ningún modelo de trabajo, pero todo el mundo necesita saber cómo implementar un modelo profundo a través de onnx :)

Bueno, al menos por respeto al trabajo realizado por los desarrolladores es necesario sentir y estudiar la característica propuesta. Y aplicar o no aplicar que cada uno decida por sí mismo. Además, hoy es complicado e incomprensible, y mañana puede haber una oportunidad para simplificar este proceso de conversión.

Te expresas mal: "Nadie tiene un modelo que funcione...". Yo diría que en el foro no se ven muchos modelos funcionando realmente en el mercado. Pero no pasa nada. Nadie va a regalar su dinero duramente ganado a cambio de nada.

Suerte

 
Vladimir Perervenko #:

Bueno, al menos por respeto al trabajo realizado por los desarrolladores es necesario sentir, estudiar la oportunidad propuesta. Y que cada uno decida por sí mismo si la utiliza o no. Además, hoy en día es complicado e incomprensible, y mañana puede ser posible simplificar el proceso de conversión.

Sí, por supuesto, lo que se hace está bien ) y será útil ...

Sólo es necesario seguir una secuencia lógica de acciones y pensamientos ....

gastar muchos recursos y tiempo en aprender una tecnologia importante y necesaria para lanzar un modelo QUE NO LO ES no es coherente....

Vladimir Perervenko

Estás formulando incorrectamente: "Nadie tiene un modelo que funcione..."

Sospechaba que me corregirían....

Sí, claro que me refería a la gran mayoría > 95~99,9 %.

 
mytarmailS #:

Exactamente lo que he dicho muchas, muchas veces aquí.

nadie tiene ningún modelo de trabajo, pero todo el mundo necesita saber cómo implementar un modelo profundo a través de onnx :)

Tengo la impresión de que NADIE tiene un EA MM de pleno derecho que utilice el modelo para la predicción, al menos a nivel de tester.

Por ejemplo, tengo un Asesor Experto de este tipo con un modelo de predicción muy bueno (el error de predicción es inferior al 20%), pero ha aparecido una peculiaridad muy desagradable: la mitad del error de predicción, es decir, el 10% de error, da casi la misma pérdida que todas las demás entradas positivas.

Pregunta retórica: ¿ayudará ONNX a resolver este problema?


Por cierto, he estado diciendo lo mismo durante las tres mil páginas: no hay ningún problema con los modelos, utilizar cualquiera de los muchos cientos de modelos es lo más fácil a la hora de desarrollar Asesores Expertos basados en MO.

 
СанСаныч Фоменко #:

pero surgió una peculiaridad muy desagradable: la mitad del error de predicción, es decir, el 10% del error, da casi la misma pérdida que todas las demás entradas positivas.

porque el objetivo es incorrecto y el propio enunciado del problema