L'apprentissage automatique dans la négociation : théorie, modèles, pratique et algo-trading - page 2957
Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Si quelqu'un résout un problème aussi difficile, il est peu probable qu'il partage la solution.
Si vous supprimez l'interrupteur ONNX_NO_CONVERSION, vous pouvez entrer un vecteur double. La sortie doit toujours être un vecteur flottant.
Après la compilation, le modèle reste dans un fichier séparé ou est cousu dans .ex5 ?
S'il n'est pas "cousu", comment le vendre ? Je suppose qu'il devient une ressource comme les autres fichiers.
Ainsi, dans l'exemple, il a fallu calculer la moyenne et l'écart sur l'ensemble d'apprentissage, transmettre ces données à la partie où le prédicat est créé, traiter les nouvelles données avec ces paramètres. Ensuite, il faut dénormaliser et obtenir les valeurs réelles du prix prédit. Cette séquence est importante.
Il est clair que personne n'introduit les prix réels dans l'entrée du modèle, mais c'est déjà spécifique.
Bonne chance !
Dans notre exemple de modèle onnx, les prix d'entrée sont normalisés en utilisant la moyenne et l'écart-type sur l'ensemble de la série. Le résultat obtenu est ensuite varnormalisé en utilisant les mêmes règles
Après la compilation, le modèle reste un fichier séparé ou est cousu dans .ex5 ?
Dans mon exemple, non, il reste un fichier séparé. Dans l'exemple de Renate (projet public ONNX.Price.Prediction) il est écrit dans .ex5.
Dans notre exemple de modèle onnx, les prix des intrants sont normalisés en utilisant la moyenne et la std sur l'ensemble de la série. Le résultat obtenu est ensuite varnormalisé en utilisant les mêmes règles
Laissez-moi vous expliquer sur mes doigts. Dans ONNX.Price.Prediction.mq5 vous obtenez 10 OHLC. Ensuite, sur ces données , vous déterminez la moyenne et le sd, et vous normalisez ces 10 valeurs avec eux. Ce n'est pas correct.
Pour ces nouvelles données, vous devez utiliser la moyenne et l'écart obtenus sur l'ensemble d'entraînement. C'est-à-dire dans le script précédent. Est-ce clair ?
Je vais vous expliquer avec mes doigts. Dans ONNX.Price.Prediction.mq5 vous obtenez 10 OHLC. Ensuite, sur ces données , vous déterminez la moyenne et le sd, et vous normalisez ces 10 valeurs avec eux. Ce n'est pas correct.
Pour ces nouvelles données, vous devez utiliser la moyenne et l'écart obtenus sur l'ensemble d'entraînement. C'est-à-dire dans le script précédent. Est-ce clair ?
Bien sûr que c'est clair et cela a été fait délibérément.
L'exemple a été créé dans le but de tester le chargement du modèle onnx, et non pour extraire un résultat de modèle raisonnable.
Après la compilation, le modèle reste un fichier séparé ou est cousu dans un fichier .ex5 ?
Utilisez des projets *.mqproj au lieu de fichiers individuels, incluez vos modèles onnx et d'autres fichiers en tant que ressources. C'est désormais l'option préférée pour l'écriture de programmes.
D'autant plus qu'elle est plus configurable et que nous n'utiliserons que les fichiers *.mqproj pour augmenter la configurabilité des programmes. Bientôt, nous activerons la gestion du jeu de commandes AVX/AVX2/AVX512 lors de l'optimisation du code du robot.
Les ressources sont automatiquement intégrées dans le fichier EX5, compressées et cryptées pour la protection.
Consultez le projet public ONNX.Price.Prediction pour un exemple.
C'est tout à fait compréhensible et délibéré.
L'exemple a été réalisé dans le but de tester le chargement du modèle onnx, et non pour extraire un résultat de modèle raisonnable.
Oui, bien sûr, j'ai compris cela. Mais ceux qui ont utilisé l'exemple l'ont-ils compris ?
Je suis peut-être trop pointilleux.