Discusión sobre el artículo "Modelos de regresión de la biblioteca Scikit-learn y su exportación a ONNX"
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Artículo publicado Modelos de regresión de la biblioteca Scikit-learn y su exportación a ONNX:
En este artículo exploraremos la aplicación de modelos de regresión del paquete Scikit-learn e intentaremos convertirlos al formato ONNX y utilizaremos los modelos resultantes dentro de programas MQL5. Adicionalmente, compararemos la precisión de los modelos originales con sus versiones ONNX tanto para precisión flotante como doble. Además, examinaremos la representación ONNX de los modelos de regresión con el fin de comprender mejor su estructura interna y sus principios de funcionamiento.
Scikit-learn es una de las librerías para aprendizaje automático más populares y utilizadas en la comunidad Python. Ofrece una amplia gama de algoritmos, una interfaz fácil de usar y una buena documentación. El artículo anterior, "Modelos de clasificación de la biblioteca Scikit-learn y su exportación a ONNX", trataba sobre los modelos de clasificación.
En este artículo, exploraremos la aplicación de modelos de regresión en el paquete Scikit-learn, calcularemos sus parámetros con doble precisión para el conjunto de datos de prueba, intentaremos convertirlos al formato ONNX para flotación y doble precisión, y utilizaremos los modelos obtenidos en programas en MQL5. Adicionalmente, compararemos la precisión de los modelos originales y sus versiones ONNX para precisión flotante y doble. Además, examinaremos la representación ONNX de los modelos de regresión, lo que permitirá comprender mejor su estructura interna y su funcionamiento.
Autor: MetaQuotes